Enrich results DB, add process log, and build a live web dashboard

Requested during deployment: make the DB maximally detailed, add an
experiment process log, and a web UI to watch runs live.

- optim/objective.py build_detail(): each stored run now records
  inter-coil distances, absolute coil positions along the tube, every
  component part number/spec, winding geometry, computed physics
  (resistance, air inductance, peak current, peak field), and per-stage
  outcome (entry/exit velocity, sensor timing, energy breakdown)
- optim/progress_log.py: append-only <db>.log with progress %, feasible
  rate, throughput, ETA, and a line on each new best efficiency; wired
  into both sweep and evolve
- src/gausse/web/: stdlib-only (http.server) dashboard `gausse serve` --
  self-contained HTML polling /api/overview every 3s: counters, KPD
  histogram, top-configs table with per-run drill-down, failure reasons,
  live log tail. No new dependencies.
- docker-compose.yml: `web` service on port 8000
- 77 tests pass locally and in Docker

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

.dockerignore

@@ -0,0 +1,14 @@
+.git
+.venv
+venv
+__pycache__
+*.pyc
+.pytest_cache
+*.egg-info
+build
+dist
+out
+.claude
+*.sqlite3
+*.sqlite3-wal
+*.sqlite3-shm

.gitignore

@@ -10,5 +10,7 @@ dist/
 *.sqlite3-wal
 *.sqlite3-shm
 out/
+results/*
+!results/.gitkeep
 .DS_Store
 .claude/settings.local.json

Dockerfile

@@ -0,0 +1,18 @@
+FROM python:3.12-slim
+
+WORKDIR /app
+
+COPY pyproject.toml README.md ./
+COPY src ./src
+COPY tests ./tests
+
+RUN pip install --no-cache-dir -e ".[dev]"
+
+# Не root: иначе всё, что контейнер пишет в примонтированный ./results
+# (SQLite-база, отчёты), становится на хосте файлами root:root.
+RUN useradd --create-home --uid 1000 gausse
+RUN mkdir -p /app/results && chown -R gausse:gausse /app
+USER gausse
+
+ENTRYPOINT ["gausse"]
+CMD ["--help"]

PLAN.md

@@ -34,6 +34,12 @@ L(x, I)-модель с coenergy-выводом силы — в разделе "
 Полный план архитектуры: см. историю обсуждения / `physics`, `sim`, `optim`,
 `storage`, `report` модули ниже.
 
+**Docker — основной способ запуска** (по требованию пользователя): `Dockerfile`
++ `docker-compose.yml` в корне репозитория, образ собран и провалидирован —
+внутри контейнера запускаются все 37 тестов и CLI (`docker compose run --rm
+--entrypoint pytest gausse -q`). Результаты (SQLite и отчёты, когда появятся)
+монтируются в `./results` на хосте, чтобы переживать пересборку образа.
+
 ## Чек-лист этапов
 
 - [x] **Этап 0 — Скелет проекта**: `pyproject.toml`, `README.md`, `.gitignore`, пакеты `src/gausse/*`, этот файл, первый коммит.
@@ -41,9 +47,24 @@ L(x, I)-модель с coenergy-выводом силы — в разделе "
 - [x] **Этап 2 — Физическое ядро**: `physics/constants.py`, `inductance.py` (Уилер + ферромагнитный сердечник + размагничивание), `force.py`, `circuit.py` (ОДУ RLC). Юнит-тесты: аналитическое RLC-решение, согласованность dL/dx.
 - [x] **Этап 3 — Датчики и одна ступень**: `physics/sensors.py` (оба типа как события solve_ivp), `sim/stage.py` (полёт → триггер → разряд → энергобаланс). Тест на сохранение энергии + найден/исправлен баг насыщения (см. выше).
 - [x] **Этап 4 — Многоступенчатая цепочка**: `sim/coilgun.py` — сквозная координата, отбраковка нереализуемых конфигураций. Дымовой тест на реальной базе компонентов (`test_real_components_smoke.py`) подтверждает: полный путь реальные JSON → физика → цепочка работает (пример: 22.3 м/с, КПД 3.4% — честный неоптимизированный результат).
-- [ ] **Этап 5 — Хранилище результатов**: `storage/schema.py` + `database.py` — SQLite (WAL), таблица `runs` со всеми прогонами (успех/провал + честная причина), однопроцессный писатель поверх многопроцессной очереди.
-- [ ] **Этап 6 — Поиск и оптимизация**: `optim/search_space.py` (геном переменной длины), `objective.py` (КПД), дешёвый квазистатический предфильтр, `optim/sweep.py` (Monte Carlo/LHS, миллионы прогонов), `optim/evolutionary.py` (ГА + coordinate-descent полировка) — всё пишется в общую таблицу `runs`.
-- [ ] **Этап 7 — Отчётность**: `report/plots.py`, `summary.py`, `bom.py`, раздел "ограничения модели", `cli.py` (`gausse sweep/evolve/simulate/report`).
-  - [ ] `report/animate.py` — анимация одного прогона: положение снаряда в трубе по времени + визуализация поля/тока каждой катушки (свечение/интенсивность цвета ~ ток), сохранение в GIF/MP4 (matplotlib `FuncAnimation`). Нужна по запросу пользователя — "графика где будет показана симуляция пролёта цилиндра по трубе и электромагнитные поля в каждый момент времени".
-- [ ] **Этап 8 — Сквозная проверка**: резюмируемый прогон на реальной базе компонентов, проверка честной записи в SQLite, финальный отчёт (КПД, скорость, стоимость, сравнение датчиков) с разделом ограничений.
+- [x] **Этап 5 — Хранилище результатов**: `storage/schema.py` + `database.py` — SQLite (WAL), таблица `runs` со всеми прогонами (успех/провал + честная причина), однопроцессный писатель поверх многопроцессной очереди. Тест с реальными `multiprocessing.Process` (не моками) поймал реальную проблему: коллизия `run_id` роняла writer и молча останавливала осушение очереди на весь sweep — писатель теперь переживает ошибку вставки одной записи (лог в stderr) и продолжает работу.
+- [x] **Этап 6 — Поиск и оптимизация**: `optim/search_space.py` (геном переменной длины — число ступеней тоже эволюционирует), `objective.py` (fitness=КПД, честный мягкий штраф за нереализуемость пропорционально пройденным ступеням), `optim/sweep.py` (параллельный Monte Carlo, каждый прогон в SQLite), `optim/evolutionary.py` ((μ+λ)-ГА + Nelder-Mead полировка непрерывных параметров лучшего генома). Тест поймал реальный баг в `crossover()` — IndexError при скрещивании двух одноступенчатых геномов (пустой список зазоров), исправлено и покрыто регрессией.
+  - [ ] **Не сделано**: отдельный "дешёвый квазистатический предфильтр" перед полным ODE не реализован (кроме уже встроенной в `sim/stage.py` дешёвой проверки порога индукционного датчика). Если миллионы прогонов на сервере окажутся слишком медленными, это первое место для ускорения.
+- [x] **Этап 7 — Отчётность**: `report/plots.py` (ток/поле/скорость по ступеням), `summary.py` (честная сводка + раздел "ограничения модели"), `bom.py` (спецификация деталей с ценами), `animate.py` (GIF: снаряд летит по трубе, катушки светятся пропорционально току — по запросу пользователя), `cli.py` (`gausse sweep/evolve/simulate/report`, все 4 команды реально вызывают соответствующие модули, не заглушки). Проверено сквозным прогоном через `docker compose run`: sweep → report с анимацией на реальной базе компонентов, лучший найденный результат — КПД 32.8% за 982₽ (не выдумано, из реального SQLite).
+- [x] **Этап 8 — Сквозная проверка**: реальный прогон через `docker compose run` — sweep на 5000 конфигураций (16 воркеров, ~59с, 30.5% реализуемо), затем `evolve` (15 поколений x 40 особей = 600 оценок, ~18с) поверх той же базы, затем `report --top 3 --animate`.
+  - **Найден и исправлен реальный баг именно на этом этапе**: КПД лучшего генома после `evolve` показал 387% — оказалось, `efficiency` считался как `exit_kinetic_energy / energy_in`, а `exit_kinetic_energy` включает фиксированный "бесплатный" толчок `initial_v_mps`, не учтённый в `energy_in`. Для лёгкого снаряда этот толчок доминировал и КПД пробивал 100%. Исправлено на `kinetic_energy_delta / energy_in` (энергия, реально добавленная катушками) — эта величина математически не может превысить 1 (следует из поэтапного энергобаланса). После исправления лучший честный результат: **1 ступень, КПД 80.97%, скорость 26.4 м/с, снаряд Ст3 ⌀4мм x 30мм, стоимость 1029₽** (провод cu-petv2-1.0mm, конденсатор 22мкФ/400В, ключ IRG4PC50F, оптический датчик).
+  - **Честное сравнение датчиков** (запрос из первого обсуждения плана) — на 5000 прогонах: индукционный датчик (`inductive-pickup-lm393`) дал **0.2% реализуемых** конфигураций (6 из 2965, где он стоял хотя бы на одной ступени), тогда как оптический (TCST2103) и Холла (A3144E) — **~45-47%** реализуемых каждый. Это количественно подтверждает опасение, высказанное в самом начале обсуждения плана: индукционная катушка-датчик ненадёжна именно потому, что требует скорости выше её порога (здесь — фиксированный старт 3 м/с как раз ниже порога срабатывания реального компонента), тогда как оптика/Холл не зависят от скорости.
+  - Итог: сквозная цепочка (реальные компоненты → физика → поиск → SQLite → отчёт с графиками/BOM/анимацией) работает и произвела не выдуманный, а посчитанный и перепроверенный результат.
+- [x] **Обогащённая БД + лог процесса + веб-морда** (по запросу пользователя при деплое): каждая запись `runs.decoded_summary_json` теперь содержит расстояния между катушками (`inter_stage_gaps_m`), абсолютные позиции катушек вдоль трубы, все номиналы деталей, геометрию намотки, вычисленную физику (индуктивность/сопротивление/пиковый ток/поле) и результат каждой ступени (вход/выход скорость, тайминги датчика, энергобаланс) — см. `optim/objective.py::build_detail`. Ход эксперимента пишется в `<db>.log` (`optim/progress_log.py`): прогресс, доля реализуемых, скорость, ETA, отметки нового лучшего КПД. Веб-дашборд `gausse serve` (`src/gausse/web/`, только stdlib `http.server`, self-contained HTML) — счётчики, гистограмма КПД, топ конфигураций с drill-down, причины отказа, хвост лога, автообновление 3с. В `docker-compose.yml` сервис `web` на порту 8000. 77 тестов, проверено в Docker.
+
+## Развёртывание на сервере (Proxmox 192.168.20.254 / VM 106 "test-math" = 192.168.20.45)
+
+Обнаружено при осмотре: GTX 1070 (`10de:1b81`+аудио `10de:10f0`) стоит в Proxmox-хосте, **уже привязана к vfio-pci**, blacklist'ы nouveau/nvidia прописаны, IOMMU включён (`intel_iommu=on`), карта одна в IOMMU-группе 1. То есть хост заранее подготовлен под проброс — можно пробросить в VM **без перезагрузки хоста** (не заденет другие VM: nextcloud/minecraft/web-player). Целевая VM 106 = 5 ядер, 2ГБ RAM (мало для CUDA+Docker, поднять). GPU ей ещё не назначен.
+
+- [ ] Пуш на gitea (`gitea.jze9.ru/jze9/gausse.git`) или rsync прямо в VM.
+- [ ] `hostpci0: 0000:01:00,pcie=1` в конфиг VM 106, поднять RAM, перезагрузить VM 106.
+- [ ] В VM: NVIDIA-драйвер + CUDA + Docker + nvidia-container-toolkit.
+- [ ] Развернуть проект, запустить sweep (пока CPU!), поднять `gausse serve` (порт 8000).
+- [ ] Дать доступ: веб-морда http://192.168.20.45:8000, SQLite `results/gausse.sqlite3`, лог `results/gausse.sqlite3.log`.
+
 - [ ] **Этап 9 — GPU-ускорение массового sweep (сервер с GTX 1070)**: после того как CPU/`scipy.solve_ivp`-модель провалидирована тестами (Этап 2-4) — батч-версия интегратора с ФИКСИРОВАННЫМ шагом (RK4/полу-неявная схема), считающая сразу N траекторий параллельно как один тензор (`cupy`, если доступна CUDA, иначе векторизованный `numpy`/`numba`), для прогона по-настоящему миллионов конфигураций на сервере. Важно: сначала корректность на CPU, потом скорость на GPU — численные результаты GPU-пути должны сверяться с CPU-эталоном на контрольной выборке, чтобы ускорение не подменило точность честными числами "для галочки".

README.md

@@ -5,16 +5,23 @@
 
 Полный план и чек-лист этапов — в [PLAN.md](PLAN.md).
 
-## Установка
+## Установка (Docker — основной способ)
+
+```bash
+docker compose build
+docker compose run --rm --entrypoint pytest gausse -q   # тесты
+docker compose run --rm gausse sweep --n 1000            # CLI (после реализации Этапа 6)
+```
+
+Результаты (SQLite, отчёты) должны сохраняться в `./results`, примонтированный
+в контейнер как `/app/results` (см. `docker-compose.yml`), чтобы переживать
+пересборку образа.
+
+## Установка без Docker (локальная разработка)
 
 ```bash
 python3 -m venv .venv
 source .venv/bin/activate
 pip install -e ".[dev]"
-```
-
-## Тесты
-
-```bash
 pytest
 ```

docker-compose.yml

@@ -0,0 +1,21 @@
+services:
+  # Веб-морда: дашборд хода эксперимента. Порт 8000 наружу.
+  #   docker compose up -d web
+  # Открыть http://<адрес-сервера>:8000
+  web:
+    build: .
+    volumes:
+      - ./results:/app/results
+    ports:
+      - "8000:8000"
+    command: ["serve", "--db", "/app/results/gausse.sqlite3", "--host", "0.0.0.0", "--port", "8000"]
+    restart: unless-stopped
+
+  # Разовые команды (sweep/evolve/report). Пример:
+  #   docker compose run --rm gausse sweep --db /app/results/gausse.sqlite3 --n 100000 --seed 1
+  gausse:
+    build: .
+    volumes:
+      - ./results:/app/results
+    entrypoint: ["gausse"]
+    command: ["--help"]

src/gausse/cli.py

@@ -1,17 +1,152 @@
 import argparse
+import json
+from pathlib import Path
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.evolutionary import run_evolution
+from gausse.optim.search_space import SearchBounds, decode, genome_from_dict
+from gausse.optim.sweep import run_sweep
+from gausse.report.animate import animate_run
+from gausse.report.bom import build_bom, render_bom_text
+from gausse.report.plots import save_all
+from gausse.report.summary import build_summary, render_summary_json, render_summary_text
+from gausse.sim.coilgun import run_coilgun
+from gausse.storage.database import fetch_runs, open_connection
+from gausse.web.server import serve as web_serve
+
+
+def _bounds_from_args(args) -> SearchBounds:
+    kwargs = {}
+    if getattr(args, "max_stages", None):
+        kwargs["max_stages"] = args.max_stages
+    return SearchBounds(**kwargs)
+
+
+def cmd_sweep(args) -> int:
+    bounds = _bounds_from_args(args)
+    summary = run_sweep(
+        Path(args.db), n_runs=args.n, bounds=bounds, n_workers=args.workers, seed=args.seed
+    )
+    rate = 100 * summary["n_feasible"] / summary["n_runs"] if summary["n_runs"] else 0.0
+    print(f"Прогнано {summary['n_runs']}, реализуемо {summary['n_feasible']} ({rate:.1f}%)")
+    return 0
+
+
+def cmd_evolve(args) -> int:
+    bounds = _bounds_from_args(args)
+    summary = run_evolution(
+        Path(args.db),
+        n_generations=args.generations,
+        population_size=args.population,
+        bounds=bounds,
+        n_workers=args.workers,
+        seed=args.seed,
+        polish=not args.no_polish,
+    )
+    print(f"Оценено геномов: {summary['n_evaluated']}")
+    print(
+        f"Лучший найденный: feasible={summary['best_feasible']} "
+        f"efficiency={summary['best_efficiency']} cost={summary['best_cost_rub']}"
+    )
+    return 0
+
+
+def _write_full_report(run_id: str, genome_json: str, out_dir: Path, animate: bool, db, bounds) -> None:
+    genome = genome_from_dict(json.loads(genome_json))
+    config, _initial_x, _initial_v = decode(genome, db, bounds)
+    result = run_coilgun(config)
+
+    out_dir.mkdir(parents=True, exist_ok=True)
+    save_all(result, out_dir)
+    summary = build_summary(result, config, db)
+    (out_dir / "summary.txt").write_text(render_summary_text(summary), encoding="utf-8")
+    (out_dir / "summary.json").write_text(render_summary_json(summary), encoding="utf-8")
+    (out_dir / "bom.txt").write_text(render_bom_text(build_bom(config, db)), encoding="utf-8")
+    if animate:
+        animate_run(result, config, str(out_dir / "run.gif"))
+    print(f"run_id={run_id}: отчёт записан в {out_dir}")
+
+
+def cmd_serve(args) -> int:
+    web_serve(Path(args.db), host=args.host, port=args.port)
+    return 0
+
+
+def cmd_report(args) -> int:
+    conn = open_connection(Path(args.db))
+    rows = fetch_runs(conn, feasible=True, order_by_efficiency_desc=True, limit=args.top)
+    if not rows:
+        print(f"В {args.db} нет ни одного реализуемого прогона.")
+        return 1
+
+    db = ComponentDatabase.load()
+    bounds = SearchBounds()
+    out_dir = Path(args.out)
+    for rank, row in enumerate(rows, start=1):
+        run_out = out_dir / f"rank{rank}_{row.run_id[:8]}"
+        print(f"#{rank}: efficiency={row.efficiency:.4f} cost={row.cost_rub:.0f}₽")
+        _write_full_report(row.run_id, row.genome_json, run_out, args.animate, db, bounds)
+    return 0
+
+
+def cmd_simulate(args) -> int:
+    conn = open_connection(Path(args.db))
+    rows = fetch_runs(conn)
+    row = next((r for r in rows if r.run_id == args.run_id), None)
+    if row is None:
+        print(f"run_id {args.run_id} не найден в {args.db}")
+        return 1
+
+    db = ComponentDatabase.load()
+    bounds = SearchBounds()
+    _write_full_report(row.run_id, row.genome_json, Path(args.out), args.animate, db, bounds)
+    return 0
 
 
 def main(argv: list[str] | None = None) -> int:
     parser = argparse.ArgumentParser(prog="gausse")
     subparsers = parser.add_subparsers(dest="command", required=True)
-    subparsers.add_parser("sweep", help="массовый Monte Carlo/LHS перебор конфигураций")
-    subparsers.add_parser("evolve", help="эволюционный поиск поверх базы прогонов")
-    subparsers.add_parser("simulate", help="прогнать одну конфигурацию")
-    subparsers.add_parser("report", help="построить отчёт по сохранённым результатам")
+
+    sweep_p = subparsers.add_parser("sweep", help="массовый Monte Carlo перебор конфигураций")
+    sweep_p.add_argument("--db", required=True, help="путь к SQLite-файлу результатов")
+    sweep_p.add_argument("--n", type=int, required=True, help="число прогонов")
+    sweep_p.add_argument("--workers", type=int, default=None)
+    sweep_p.add_argument("--seed", type=int, default=None)
+    sweep_p.add_argument("--max-stages", type=int, default=None)
+    sweep_p.set_defaults(func=cmd_sweep)
+
+    evolve_p = subparsers.add_parser("evolve", help="эволюционный поиск поверх базы прогонов")
+    evolve_p.add_argument("--db", required=True)
+    evolve_p.add_argument("--generations", type=int, default=20)
+    evolve_p.add_argument("--population", type=int, default=30)
+    evolve_p.add_argument("--workers", type=int, default=None)
+    evolve_p.add_argument("--seed", type=int, default=None)
+    evolve_p.add_argument("--max-stages", type=int, default=None)
+    evolve_p.add_argument("--no-polish", action="store_true")
+    evolve_p.set_defaults(func=cmd_evolve)
+
+    simulate_p = subparsers.add_parser("simulate", help="пересчитать и построить отчёт по одному run_id")
+    simulate_p.add_argument("--db", required=True)
+    simulate_p.add_argument("--run-id", required=True)
+    simulate_p.add_argument("--out", required=True, help="папка для отчёта")
+    simulate_p.add_argument("--animate", action="store_true")
+    simulate_p.set_defaults(func=cmd_simulate)
+
+    report_p = subparsers.add_parser("report", help="отчёт по лучшим сохранённым результатам")
+    report_p.add_argument("--db", required=True)
+    report_p.add_argument("--out", required=True)
+    report_p.add_argument("--top", type=int, default=1)
+    report_p.add_argument("--animate", action="store_true")
+    report_p.set_defaults(func=cmd_report)
+
+    serve_p = subparsers.add_parser("serve", help="веб-морда: дашборд хода эксперимента")
+    serve_p.add_argument("--db", required=True, help="путь к SQLite-файлу результатов")
+    serve_p.add_argument("--host", default="0.0.0.0")
+    serve_p.add_argument("--port", type=int, default=8000)
+    serve_p.set_defaults(func=cmd_serve)
 
     args = parser.parse_args(argv)
-    parser.error(f"команда '{args.command}' ещё не реализована")
-    return 1
+    return args.func(args)
 
 
 if __name__ == "__main__":

src/gausse/optim/evolutionary.py

@@ -0,0 +1,167 @@
+"""(μ+λ)-эволюционный поиск поверх той же базы SQLite, что и sweep.
+
+Каждый оценённый геном каждого поколения пишется в общую таблицу `runs`
+(search_mode="evolve") — включая неудачные, с той же честной причиной
+отказа. После эволюции — локальная doводка (Nelder-Mead) непрерывной
+части лучшего найденного генома при замороженных дискретных выборах
+компонентов.
+"""
+
+import copy
+import multiprocessing
+import random
+from concurrent.futures import ProcessPoolExecutor
+from pathlib import Path
+
+import numpy as np
+from scipy.optimize import minimize
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim import worker_context
+from gausse.optim.objective import EvaluationResult, build_run_record, evaluate
+from gausse.optim.progress_log import ProgressLogger, default_log_path
+from gausse.optim.search_space import Genome, SearchBounds, crossover, mutate, repair, sample_genome
+from gausse.storage.database import run_writer_process
+from gausse.storage.schema import RunRecord
+
+
+def _evaluate_genome(genome: Genome) -> tuple[Genome, EvaluationResult]:
+    result = evaluate(genome, worker_context.db, worker_context.bounds)
+    return genome, result
+
+
+def _tournament_select(
+    pairs: list[tuple[Genome, EvaluationResult]], rng: random.Random, k: int = 3
+) -> Genome:
+    contenders = rng.sample(pairs, min(k, len(pairs)))
+    winner = max(contenders, key=lambda pair: pair[1].fitness)
+    return winner[0]
+
+
+def _continuous_vector(genome: Genome) -> list[float]:
+    vec = [genome.tube_od_m]
+    for stage in genome.stages:
+        vec.append(stage.sensor_to_coil_distance_m)
+        vec.append(stage.charge_voltage_fraction)
+    vec.extend(genome.inter_stage_gaps_m)
+    vec.append(genome.projectile.diameter_m)
+    vec.append(genome.projectile.length_m)
+    return vec
+
+
+def _apply_continuous_vector(template: Genome, vec: list[float]) -> Genome:
+    genome = copy.deepcopy(template)
+    idx = 0
+    genome.tube_od_m = vec[idx]
+    idx += 1
+    for stage in genome.stages:
+        stage.sensor_to_coil_distance_m = vec[idx]
+        idx += 1
+        stage.charge_voltage_fraction = vec[idx]
+        idx += 1
+    n_gaps = len(genome.inter_stage_gaps_m)
+    genome.inter_stage_gaps_m = list(vec[idx : idx + n_gaps])
+    idx += n_gaps
+    genome.projectile.diameter_m = vec[idx]
+    idx += 1
+    genome.projectile.length_m = vec[idx]
+    idx += 1
+    return genome
+
+
+def polish_best(genome: Genome, db: ComponentDatabase, bounds: SearchBounds) -> tuple[Genome, EvaluationResult]:
+    """Локальная доводка непрерывных параметров лучшего генома (дискретные выборы заморожены)."""
+    x0 = np.array(_continuous_vector(genome))
+
+    def neg_fitness(x: np.ndarray) -> float:
+        candidate = repair(_apply_continuous_vector(genome, list(x)), db, bounds)
+        return -evaluate(candidate, db, bounds).fitness
+
+    opt = minimize(neg_fitness, x0, method="Nelder-Mead", options={"maxiter": 200, "xatol": 1e-4, "fatol": 1e-5})
+    polished = repair(_apply_continuous_vector(genome, list(opt.x)), db, bounds)
+    return polished, evaluate(polished, db, bounds)
+
+
+def run_evolution(
+    db_path: Path,
+    n_generations: int,
+    population_size: int,
+    bounds: SearchBounds = SearchBounds(),
+    data_dir: Path | None = None,
+    n_workers: int | None = None,
+    seed: int | None = None,
+    elitism: int = 2,
+    mutation_rate: float = 0.2,
+    polish: bool = True,
+    log_path: Path | None = None,
+) -> dict:
+    n_workers = n_workers or multiprocessing.cpu_count()
+    rng = random.Random(seed)
+    db = ComponentDatabase.load(data_dir) if data_dir else ComponentDatabase.load()
+
+    logger = ProgressLogger(
+        log_path or default_log_path(db_path), mode="evolve", total=n_generations * population_size
+    )
+
+    ctx = multiprocessing.get_context("spawn")
+    queue = ctx.Queue()
+    writer = ctx.Process(target=run_writer_process, args=(queue, db_path))
+    writer.start()
+
+    population = [sample_genome(db, bounds, rng) for _ in range(population_size)]
+    best_pair: tuple[Genome, EvaluationResult] | None = None
+    n_evaluated = 0
+
+    try:
+        with ProcessPoolExecutor(
+            max_workers=n_workers,
+            mp_context=ctx,
+            initializer=worker_context.init_worker,
+            initargs=(data_dir, bounds),
+        ) as executor:
+            for generation in range(n_generations):
+                pairs = list(executor.map(_evaluate_genome, population))
+                n_evaluated += len(pairs)
+
+                for genome, result in pairs:
+                    record: RunRecord = build_run_record(genome, result, db, search_mode="evolve")
+                    queue.put(record)
+                    logger.update(result.feasible, result.efficiency)
+                    if best_pair is None or result.fitness > best_pair[1].fitness:
+                        best_pair = (genome, result)
+
+                pairs.sort(key=lambda pair: pair[1].fitness, reverse=True)
+                next_population = [copy.deepcopy(pair[0]) for pair in pairs[:elitism]]
+                while len(next_population) < population_size:
+                    parent_a = _tournament_select(pairs, rng)
+                    parent_b = _tournament_select(pairs, rng)
+                    child = crossover(parent_a, parent_b, rng)
+                    child = mutate(child, db, bounds, rng, rate=mutation_rate)
+                    next_population.append(child)
+                population = next_population
+    finally:
+        logger.finish()
+        queue.put(None)
+        writer.join()
+
+    assert best_pair is not None
+    best_genome, best_result = best_pair
+
+    if polish and best_result.feasible:
+        polished_genome, polished_result = polish_best(best_genome, db, bounds)
+        if polished_result.fitness > best_result.fitness:
+            conn_queue = ctx.Queue()
+            polish_writer = ctx.Process(target=run_writer_process, args=(conn_queue, db_path))
+            polish_writer.start()
+            conn_queue.put(build_run_record(polished_genome, polished_result, db, search_mode="evolve-polish"))
+            conn_queue.put(None)
+            polish_writer.join()
+            best_genome, best_result = polished_genome, polished_result
+
+    return {
+        "n_evaluated": n_evaluated,
+        "best_feasible": best_result.feasible,
+        "best_efficiency": best_result.efficiency,
+        "best_fitness": best_result.fitness,
+        "best_cost_rub": best_result.cost_rub,
+    }

src/gausse/optim/objective.py

@@ -0,0 +1,249 @@
+"""Целевая функция: КПД — основная цель, стоимость и скорость — вторичные метрики.
+
+Нереализуемые геномы не отбрасываются — получают "мягкий" штраф фитнеса,
+пропорциональный тому, на какой ступени всё сломалось, чтобы у ГА был
+градиент, а не стена (см. PLAN.md).
+"""
+
+import json
+import math
+import uuid
+from dataclasses import dataclass
+from datetime import datetime, timezone
+
+import numpy as np
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.search_space import Genome, SearchBounds, decode, genome_to_dict
+from gausse.physics.inductance import air_core_inductance_wheeler, winding_geometry
+from gausse.sim.coilgun import CoilgunResult, run_coilgun
+from gausse.storage.schema import RunRecord
+
+MODEL_VERSION = "gausse-physics-v1"
+
+
+@dataclass
+class EvaluationResult:
+    feasible: bool
+    cost_rub: float
+    fitness: float
+    reason: str | None = None
+    failed_stage_index: int | None = None
+    efficiency: float | None = None
+    exit_velocity_mps: float | None = None
+    energy_breakdown: dict = None
+    detail: dict = None
+
+
+def compute_cost_rub(config, db: ComponentDatabase) -> float:
+    total = 0.0
+    for stage in config.stages:
+        wire_od_m = stage.wire.insulation_od_mm / 1000
+        geometry = winding_geometry(stage.tube_od_m, wire_od_m, stage.turns_per_layer, stage.layers)
+        total += geometry.total_wire_length_m * stage.wire.price_per_m
+        total += stage.capacitor.price
+        total += stage.switch.price
+        total += stage.sensor.price
+    total += config.projectile.mass_kg * config.projectile.material.price_per_kg
+    return total
+
+
+def _wire_resistance_ohm(resistivity_ohm_m: float, gauge_mm: float, wire_length_m: float) -> float:
+    bare_radius_m = gauge_mm / 1000 / 2
+    area_m2 = math.pi * bare_radius_m**2
+    return resistivity_ohm_m * wire_length_m / area_m2
+
+
+def decoded_summary(genome: Genome, db: ComponentDatabase) -> dict:
+    """Краткая сводка только по геному (без результатов симуляции).
+
+    Оставлена для обратной совместимости; подробную запись со всей физикой
+    и результатами по каждой ступени строит `build_detail` (её и пишем в БД).
+    """
+    material = db.projectile_materials[genome.projectile.material_idx % len(db.projectile_materials)]
+    stages_summary = []
+    for gene in genome.stages:
+        wire = db.wires[gene.wire_idx % len(db.wires)]
+        capacitor = db.capacitors[gene.capacitor_idx % len(db.capacitors)]
+        switch = db.switches[gene.switch_idx % len(db.switches)]
+        sensor = db.sensors[gene.sensor_idx % len(db.sensors)]
+        stages_summary.append(
+            {
+                "wire": wire.part_id,
+                "capacitor": capacitor.part_number,
+                "switch": switch.part_number,
+                "sensor": sensor.part_number,
+                "turns_per_layer": gene.turns_per_layer,
+                "layers": gene.layers,
+                "sensor_to_coil_distance_m": gene.sensor_to_coil_distance_m,
+                "charge_voltage_fraction": gene.charge_voltage_fraction,
+            }
+        )
+    return {
+        "tube_od_m": genome.tube_od_m,
+        "projectile_material": material.name,
+        "projectile_diameter_m": genome.projectile.diameter_m,
+        "projectile_length_m": genome.projectile.length_m,
+        "stages": stages_summary,
+    }
+
+
+def build_detail(config, coilgun_result: CoilgunResult, db: ComponentDatabase, initial_x_m: float, initial_v_mps: float) -> dict:
+    """Максимально подробная запись: параметры + вычисленная физика + результат каждой ступени.
+
+    Именно это пишется в SQLite (decoded_summary_json), чтобы по базе можно
+    было восстановить ВСЁ: расстояния между катушками и абсолютные позиции
+    вдоль трубы, номиналы всех деталей, геометрию намотки, посчитанные
+    индуктивность/сопротивление/пиковый ток и что произошло на каждой ступени.
+    """
+    outcomes_by_index = {o.stage_index: o for o in coilgun_result.stage_outcomes}
+    projectile = config.projectile
+
+    # абсолютные позиции центров катушек вдоль трубы (сквозная координата)
+    coil_centers_m = []
+    cursor = 0.0
+    for i in range(len(config.stages)):
+        if i > 0:
+            cursor += config.inter_stage_gaps_m[i - 1]
+        coil_centers_m.append(cursor)
+
+    stages_detail = []
+    for i, stage in enumerate(config.stages):
+        wire_od_m = stage.wire.insulation_od_mm / 1000
+        geometry = winding_geometry(stage.tube_od_m, wire_od_m, stage.turns_per_layer, stage.layers)
+        r_wire = _wire_resistance_ohm(stage.wire.resistivity_ohm_m, stage.wire.gauge_mm, geometry.total_wire_length_m)
+        l_air_h = air_core_inductance_wheeler(
+            geometry.mean_radius_m, geometry.coil_length_m, geometry.radial_depth_m, geometry.total_turns
+        )
+
+        entry = {
+            "stage_index": i,
+            "coil_center_position_m": coil_centers_m[i],
+            "gap_before_stage_m": (config.inter_stage_gaps_m[i - 1] if i > 0 else None),
+            "sensor_to_coil_distance_m": stage.sensor_to_coil_distance_m,
+            "components": {
+                "wire": stage.wire.part_id,
+                "wire_material": stage.wire.material,
+                "wire_gauge_mm": stage.wire.gauge_mm,
+                "capacitor": stage.capacitor.part_number,
+                "capacitance_uf": stage.capacitor.capacitance_uf,
+                "capacitor_voltage_rating_v": stage.capacitor.voltage_v,
+                "switch": stage.switch.part_number,
+                "switch_kind": stage.switch.kind,
+                "sensor": stage.sensor.part_number,
+                "sensor_kind": stage.sensor.kind,
+            },
+            "winding": {
+                "turns_per_layer": stage.turns_per_layer,
+                "layers": stage.layers,
+                "total_turns": geometry.total_turns,
+                "coil_length_m": geometry.coil_length_m,
+                "mean_radius_m": geometry.mean_radius_m,
+                "radial_depth_m": geometry.radial_depth_m,
+                "total_wire_length_m": geometry.total_wire_length_m,
+            },
+            "electrical": {
+                "charge_voltage_v": stage.charge_voltage_v,
+                "wire_resistance_ohm": r_wire,
+                "air_inductance_h": l_air_h,
+            },
+        }
+
+        outcome = outcomes_by_index.get(i)
+        if outcome is not None:
+            r = outcome.result
+            peak_current_a = (
+                float(np.max(np.abs(r.discharge_i))) if r.discharge_i is not None and len(r.discharge_i) else None
+            )
+            entry["outcome"] = {
+                "reached": True,
+                "feasible": r.feasible,
+                "reason": r.reason,
+                "entry_velocity_mps": outcome.entry_v_mps,
+                "exit_velocity_mps": r.exit_v_mps,
+                "t_sensor_s": r.t_sensor_s,
+                "t_fire_s": r.t_fire_s,
+                "peak_current_a": peak_current_a,
+                "peak_field_estimate_tesla": r.peak_field_estimate_tesla,
+                "saturation_warning": r.saturation_warning,
+                "energy_in_j": r.energy_in_j,
+                "energy_dissipated_j": r.energy_dissipated_j,
+                "kinetic_energy_delta_j": r.kinetic_energy_delta_j,
+            }
+        else:
+            entry["outcome"] = {"reached": False}
+        stages_detail.append(entry)
+
+    return {
+        "tube_od_m": config.stages[0].tube_od_m if config.stages else None,
+        "tube_length_m": (coil_centers_m[-1] + 0.05) if coil_centers_m else None,
+        "projectile": {
+            "material": projectile.material.name,
+            "diameter_m": projectile.diameter_m,
+            "length_m": projectile.length_m,
+            "mass_kg": projectile.mass_kg,
+            "mu_r": projectile.material.mu_r,
+            "b_sat_tesla": projectile.material.b_sat_tesla,
+        },
+        "launch": {"initial_x_m": initial_x_m, "initial_v_mps": initial_v_mps},
+        "n_stages": len(config.stages),
+        "inter_stage_gaps_m": list(config.inter_stage_gaps_m),
+        "coil_center_positions_m": coil_centers_m,
+        "stages": stages_detail,
+    }
+
+
+def evaluate(genome: Genome, db: ComponentDatabase, bounds: SearchBounds) -> EvaluationResult:
+    config, initial_x_m, initial_v_mps = decode(genome, db, bounds)
+    cost_rub = compute_cost_rub(config, db)
+    result = run_coilgun(config)
+    detail = build_detail(config, result, db, initial_x_m, initial_v_mps)
+
+    if not result.feasible:
+        n_stages = len(config.stages)
+        progress_fraction = (result.failed_stage_index or 0) / n_stages if n_stages else 0.0
+        fitness = -1.0 + progress_fraction
+        return EvaluationResult(
+            feasible=False,
+            cost_rub=cost_rub,
+            fitness=fitness,
+            reason=result.reason,
+            failed_stage_index=result.failed_stage_index,
+            energy_breakdown={},
+            detail=detail,
+        )
+
+    energy_breakdown = {
+        "total_energy_in_j": result.total_energy_in_j,
+        "total_energy_dissipated_j": result.total_energy_dissipated_j,
+        "total_kinetic_energy_delta_j": result.total_kinetic_energy_delta_j,
+        "exit_kinetic_energy_j": result.exit_kinetic_energy_j,
+    }
+    return EvaluationResult(
+        feasible=True,
+        cost_rub=cost_rub,
+        fitness=result.efficiency,
+        efficiency=result.efficiency,
+        exit_velocity_mps=result.exit_v_mps,
+        energy_breakdown=energy_breakdown,
+        detail=detail,
+    )
+
+
+def build_run_record(genome: Genome, result: EvaluationResult, db: ComponentDatabase, search_mode: str) -> RunRecord:
+    detail = result.detail if result.detail is not None else decoded_summary(genome, db)
+    return RunRecord(
+        run_id=str(uuid.uuid4()),
+        timestamp=datetime.now(timezone.utc).isoformat(),
+        search_mode=search_mode,
+        genome_json=json.dumps(genome_to_dict(genome)),
+        decoded_summary_json=json.dumps(detail, ensure_ascii=False),
+        feasible=result.feasible,
+        model_version=MODEL_VERSION,
+        infeasible_reason=result.reason,
+        failed_stage_index=result.failed_stage_index,
+        efficiency=result.efficiency,
+        exit_velocity_mps=result.exit_velocity_mps,
+        cost_rub=result.cost_rub,
+        energy_breakdown_json=json.dumps(result.energy_breakdown) if result.energy_breakdown else None,
+    )

src/gausse/optim/progress_log.py

@@ -0,0 +1,69 @@
+"""Лог хода эксперимента: пишет прогресс sweep/evolve в файл рядом с базой.
+
+Формат — по строке на контрольную точку, читаемый и человеком, и хвостом в
+веб-морде: время, сколько прогнано из скольких, доля реализуемых, скорость,
+лучший найденный КПД. Файл дописывается (append), переживает перезапуски.
+"""
+
+import time
+from datetime import datetime, timezone
+from pathlib import Path
+
+
+def default_log_path(db_path: Path) -> Path:
+    db_path = Path(db_path)
+    return db_path.with_suffix(db_path.suffix + ".log")
+
+
+class ProgressLogger:
+    def __init__(self, log_path: Path, mode: str, total: int | None, log_every: int = 200):
+        self.log_path = Path(log_path)
+        self.log_path.parent.mkdir(parents=True, exist_ok=True)
+        self.mode = mode
+        self.total = total
+        self.log_every = max(log_every, 1)
+        self.start_time = time.monotonic()
+        self.completed = 0
+        self.n_feasible = 0
+        self.best_efficiency: float | None = None
+        self._write(f"=== старт {mode}, всего запланировано: {total} ===")
+
+    def _write(self, line: str) -> None:
+        stamp = datetime.now(timezone.utc).isoformat(timespec="seconds")
+        with self.log_path.open("a", encoding="utf-8") as f:
+            f.write(f"{stamp} {line}\n")
+
+    def update(self, feasible: bool, efficiency: float | None) -> None:
+        self.completed += 1
+        if feasible:
+            self.n_feasible += 1
+            if efficiency is not None and (self.best_efficiency is None or efficiency > self.best_efficiency):
+                self.best_efficiency = efficiency
+                self._write(
+                    f"новый лучший КПД: {efficiency * 100:.2f}% "
+                    f"(на прогоне {self.completed})"
+                )
+        if self.completed % self.log_every == 0:
+            self._checkpoint()
+
+    def _checkpoint(self) -> None:
+        elapsed = time.monotonic() - self.start_time
+        rate = self.completed / elapsed if elapsed > 0 else 0.0
+        feas_pct = 100 * self.n_feasible / self.completed if self.completed else 0.0
+        best = f"{self.best_efficiency * 100:.2f}%" if self.best_efficiency is not None else "—"
+        total_str = str(self.total) if self.total else "?"
+        pct = f"{100 * self.completed / self.total:.1f}%" if self.total else "?"
+        eta = ""
+        if self.total and rate > 0:
+            remaining = (self.total - self.completed) / rate
+            eta = f" ETA={remaining:.0f}с"
+        self._write(
+            f"прогресс: {self.completed}/{total_str} ({pct}) "
+            f"реализуемо={self.n_feasible} ({feas_pct:.1f}%) "
+            f"скорость={rate:.1f}/с лучший_КПД={best}{eta}"
+        )
+
+    def finish(self) -> None:
+        self._checkpoint()
+        elapsed = time.monotonic() - self.start_time
+        self._write(f"=== готово {self.mode}: {self.completed} прогонов за {elapsed:.0f}с ===")

src/gausse/optim/search_space.py

@@ -0,0 +1,301 @@
+"""Пространство поиска: геном переменной длины (число ступеней эволюционирует).
+
+Геном кодирует только ИНДЕКСЫ в базу реальных компонентов (не сами
+параметры) + непрерывные величины (расстояния, напряжение, геометрия
+снаряда). Это гарантирует, что что бы ни нашёл поиск, оно собрано из
+реально продающихся деталей, а не из выдуманных чисел.
+"""
+
+import copy
+import math
+import random
+from dataclasses import dataclass, field
+
+from gausse.components.database import ComponentDatabase
+from gausse.sim.coilgun import CoilgunConfig
+from gausse.sim.stage import ProjectileConfig, StageConfig
+
+TUBE_WALL_CLEARANCE_M = 0.001
+
+
+@dataclass(frozen=True)
+class SearchBounds:
+    min_stages: int = 1
+    max_stages: int = 4
+    turns_per_layer_min: int = 5
+    turns_per_layer_max: int = 100
+    layers_min: int = 1
+    layers_max: int = 8
+    sensor_to_coil_distance_m_min: float = 0.005
+    sensor_to_coil_distance_m_max: float = 0.05
+    inter_stage_gap_m_min: float = 0.01
+    inter_stage_gap_m_max: float = 0.10
+    tube_od_m_min: float = 0.009
+    tube_od_m_max: float = 0.02
+    projectile_diameter_m_min: float = 0.004
+    projectile_diameter_m_max: float = 0.008
+    projectile_length_m_min: float = 0.01
+    projectile_length_m_max: float = 0.03
+    charge_voltage_fraction_min: float = 0.5
+    charge_voltage_fraction_max: float = 1.0
+    initial_launch_velocity_mps: float = 3.0
+    initial_approach_margin_m: float = 0.02
+
+
+@dataclass
+class StageGene:
+    wire_idx: int
+    capacitor_idx: int
+    switch_idx: int
+    sensor_idx: int
+    turns_per_layer: int
+    layers: int
+    sensor_to_coil_distance_m: float
+    charge_voltage_fraction: float
+
+
+@dataclass
+class ProjectileGene:
+    material_idx: int
+    diameter_m: float
+    length_m: float
+
+
+@dataclass
+class Genome:
+    tube_od_m: float
+    stages: list[StageGene]
+    inter_stage_gaps_m: list[float]
+    projectile: ProjectileGene
+
+
+def _clip(value: float, lo: float, hi: float) -> float:
+    return max(lo, min(hi, value))
+
+
+def sample_stage_gene(db: ComponentDatabase, bounds: SearchBounds, rng: random.Random) -> StageGene:
+    return StageGene(
+        wire_idx=rng.randrange(len(db.wires)),
+        capacitor_idx=rng.randrange(len(db.capacitors)),
+        switch_idx=rng.randrange(len(db.switches)),
+        sensor_idx=rng.randrange(len(db.sensors)),
+        turns_per_layer=rng.randint(bounds.turns_per_layer_min, bounds.turns_per_layer_max),
+        layers=rng.randint(bounds.layers_min, bounds.layers_max),
+        sensor_to_coil_distance_m=rng.uniform(
+            bounds.sensor_to_coil_distance_m_min, bounds.sensor_to_coil_distance_m_max
+        ),
+        charge_voltage_fraction=rng.uniform(
+            bounds.charge_voltage_fraction_min, bounds.charge_voltage_fraction_max
+        ),
+    )
+
+
+def sample_genome(db: ComponentDatabase, bounds: SearchBounds, rng: random.Random) -> Genome:
+    tube_od_m = rng.uniform(bounds.tube_od_m_min, bounds.tube_od_m_max)
+    max_diameter = min(bounds.projectile_diameter_m_max, tube_od_m - TUBE_WALL_CLEARANCE_M)
+    diameter_m = rng.uniform(bounds.projectile_diameter_m_min, max(max_diameter, bounds.projectile_diameter_m_min))
+
+    n_stages = rng.randint(bounds.min_stages, bounds.max_stages)
+    stages = [sample_stage_gene(db, bounds, rng) for _ in range(n_stages)]
+    gaps = [
+        rng.uniform(bounds.inter_stage_gap_m_min, bounds.inter_stage_gap_m_max)
+        for _ in range(n_stages - 1)
+    ]
+    projectile = ProjectileGene(
+        material_idx=rng.randrange(len(db.projectile_materials)),
+        diameter_m=diameter_m,
+        length_m=rng.uniform(bounds.projectile_length_m_min, bounds.projectile_length_m_max),
+    )
+    return Genome(tube_od_m=tube_od_m, stages=stages, inter_stage_gaps_m=gaps, projectile=projectile)
+
+
+def repair(genome: Genome, db: ComponentDatabase, bounds: SearchBounds) -> Genome:
+    """Приводит геном в границы после мутации/скрещивания (клэмп, не отбраковка)."""
+    genome.tube_od_m = _clip(genome.tube_od_m, bounds.tube_od_m_min, bounds.tube_od_m_max)
+    max_diameter = max(genome.tube_od_m - TUBE_WALL_CLEARANCE_M, bounds.projectile_diameter_m_min)
+    genome.projectile.diameter_m = _clip(
+        genome.projectile.diameter_m, bounds.projectile_diameter_m_min, max_diameter
+    )
+    genome.projectile.length_m = _clip(
+        genome.projectile.length_m, bounds.projectile_length_m_min, bounds.projectile_length_m_max
+    )
+    genome.projectile.material_idx = genome.projectile.material_idx % len(db.projectile_materials)
+
+    for stage in genome.stages:
+        stage.wire_idx %= len(db.wires)
+        stage.capacitor_idx %= len(db.capacitors)
+        stage.switch_idx %= len(db.switches)
+        stage.sensor_idx %= len(db.sensors)
+        stage.turns_per_layer = int(_clip(stage.turns_per_layer, bounds.turns_per_layer_min, bounds.turns_per_layer_max))
+        stage.layers = int(_clip(stage.layers, bounds.layers_min, bounds.layers_max))
+        stage.sensor_to_coil_distance_m = _clip(
+            stage.sensor_to_coil_distance_m,
+            bounds.sensor_to_coil_distance_m_min,
+            bounds.sensor_to_coil_distance_m_max,
+        )
+        stage.charge_voltage_fraction = _clip(
+            stage.charge_voltage_fraction,
+            bounds.charge_voltage_fraction_min,
+            bounds.charge_voltage_fraction_max,
+        )
+    genome.inter_stage_gaps_m = [
+        _clip(g, bounds.inter_stage_gap_m_min, bounds.inter_stage_gap_m_max)
+        for g in genome.inter_stage_gaps_m[: len(genome.stages) - 1]
+    ]
+    while len(genome.inter_stage_gaps_m) < len(genome.stages) - 1:
+        genome.inter_stage_gaps_m.append(
+            (bounds.inter_stage_gap_m_min + bounds.inter_stage_gap_m_max) / 2
+        )
+    return genome
+
+
+def decode(genome: Genome, db: ComponentDatabase, bounds: SearchBounds) -> tuple[CoilgunConfig, float, float]:
+    """Возвращает (CoilgunConfig, initial_x_m, initial_v_mps)."""
+    material = db.projectile_materials[genome.projectile.material_idx % len(db.projectile_materials)]
+    projectile = ProjectileConfig(
+        material=material,
+        diameter_m=genome.projectile.diameter_m,
+        length_m=genome.projectile.length_m,
+    )
+
+    stage_configs = []
+    for gene in genome.stages:
+        wire = db.wires[gene.wire_idx % len(db.wires)]
+        capacitor = db.capacitors[gene.capacitor_idx % len(db.capacitors)]
+        switch = db.switches[gene.switch_idx % len(db.switches)]
+        sensor = db.sensors[gene.sensor_idx % len(db.sensors)]
+        max_voltage = min(capacitor.voltage_v, switch.max_voltage_v)
+        charge_voltage_v = gene.charge_voltage_fraction * max_voltage
+        stage_configs.append(
+            StageConfig(
+                wire=wire,
+                capacitor=capacitor,
+                switch=switch,
+                sensor=sensor,
+                tube_od_m=genome.tube_od_m,
+                turns_per_layer=gene.turns_per_layer,
+                layers=gene.layers,
+                sensor_to_coil_distance_m=gene.sensor_to_coil_distance_m,
+                charge_voltage_v=charge_voltage_v,
+            )
+        )
+
+    config = CoilgunConfig(
+        stages=stage_configs,
+        inter_stage_gaps_m=list(genome.inter_stage_gaps_m),
+        projectile=projectile,
+        initial_x_m=-(stage_configs[0].sensor_to_coil_distance_m + bounds.initial_approach_margin_m),
+        initial_v_mps=bounds.initial_launch_velocity_mps,
+    )
+    return config, config.initial_x_m, config.initial_v_mps
+
+
+def mutate(genome: Genome, db: ComponentDatabase, bounds: SearchBounds, rng: random.Random, rate: float = 0.2) -> Genome:
+    child = copy.deepcopy(genome)
+
+    if rng.random() < rate:
+        child.tube_od_m = rng.uniform(bounds.tube_od_m_min, bounds.tube_od_m_max)
+
+    for stage in child.stages:
+        if rng.random() < rate:
+            stage.wire_idx = rng.randrange(len(db.wires))
+        if rng.random() < rate:
+            stage.capacitor_idx = rng.randrange(len(db.capacitors))
+        if rng.random() < rate:
+            stage.switch_idx = rng.randrange(len(db.switches))
+        if rng.random() < rate:
+            stage.sensor_idx = rng.randrange(len(db.sensors))
+        if rng.random() < rate:
+            stage.turns_per_layer += rng.randint(-10, 10)
+        if rng.random() < rate:
+            stage.layers += rng.randint(-1, 1)
+        if rng.random() < rate:
+            stage.sensor_to_coil_distance_m *= rng.uniform(0.7, 1.3)
+        if rng.random() < rate:
+            stage.charge_voltage_fraction *= rng.uniform(0.9, 1.1)
+
+    for i in range(len(child.inter_stage_gaps_m)):
+        if rng.random() < rate:
+            child.inter_stage_gaps_m[i] *= rng.uniform(0.7, 1.3)
+
+    if rng.random() < rate:
+        child.projectile.material_idx = rng.randrange(len(db.projectile_materials))
+    if rng.random() < rate:
+        child.projectile.diameter_m *= rng.uniform(0.8, 1.2)
+    if rng.random() < rate:
+        child.projectile.length_m *= rng.uniform(0.8, 1.2)
+
+    # структурные операторы: число ступеней тоже эволюционирует
+    structural_roll = rng.random()
+    if structural_roll < rate / 3 and len(child.stages) < bounds.max_stages:
+        new_stage = sample_stage_gene(db, bounds, rng)
+        child.stages.append(new_stage)
+        child.inter_stage_gaps_m.append(
+            rng.uniform(bounds.inter_stage_gap_m_min, bounds.inter_stage_gap_m_max)
+        )
+    elif structural_roll < 2 * rate / 3 and len(child.stages) > bounds.min_stages:
+        idx = rng.randrange(len(child.stages))
+        child.stages.pop(idx)
+        if child.inter_stage_gaps_m:
+            child.inter_stage_gaps_m.pop(min(idx, len(child.inter_stage_gaps_m) - 1))
+    elif structural_roll < rate and len(child.stages) < bounds.max_stages:
+        idx = rng.randrange(len(child.stages))
+        child.stages.insert(idx, copy.deepcopy(child.stages[idx]))
+        child.inter_stage_gaps_m.append(
+            rng.uniform(bounds.inter_stage_gap_m_min, bounds.inter_stage_gap_m_max)
+        )
+
+    return repair(child, db, bounds)
+
+
+def crossover(parent_a: Genome, parent_b: Genome, rng: random.Random) -> Genome:
+    """Обмен целыми ступенями между родителями — ступень физически цельная единица."""
+    n = rng.choice([len(parent_a.stages), len(parent_b.stages)])
+    stages = []
+    for i in range(n):
+        source = parent_a if rng.random() < 0.5 else parent_b
+        if i < len(source.stages):
+            stages.append(copy.deepcopy(source.stages[i]))
+        else:
+            fallback = parent_a if source is parent_b else parent_b
+            stages.append(copy.deepcopy(fallback.stages[i % len(fallback.stages)]))
+
+    gaps = []
+    for i in range(n - 1):
+        candidates = [
+            g.inter_stage_gaps_m[i]
+            for g in (parent_a, parent_b)
+            if i < len(g.inter_stage_gaps_m)
+        ]
+        # Оба родителя короче, чем ребёнок (например, у обоих 1 ступень, а
+        # n=2 из-за структурной мутации выше по цепочке) -- нет зазора,
+        # который можно унаследовать; repair() всё равно подожмёт в границы.
+        gaps.append(rng.choice(candidates) if candidates else 0.03)
+
+    projectile_source = parent_a if rng.random() < 0.5 else parent_b
+    tube_source = parent_a if rng.random() < 0.5 else parent_b
+
+    return Genome(
+        tube_od_m=tube_source.tube_od_m,
+        stages=stages,
+        inter_stage_gaps_m=gaps,
+        projectile=copy.deepcopy(projectile_source.projectile),
+    )
+
+
+def genome_to_dict(genome: Genome) -> dict:
+    return {
+        "tube_od_m": genome.tube_od_m,
+        "stages": [vars(s) for s in genome.stages],
+        "inter_stage_gaps_m": genome.inter_stage_gaps_m,
+        "projectile": vars(genome.projectile),
+    }
+
+
+def genome_from_dict(data: dict) -> Genome:
+    return Genome(
+        tube_od_m=data["tube_od_m"],
+        stages=[StageGene(**s) for s in data["stages"]],
+        inter_stage_gaps_m=list(data["inter_stage_gaps_m"]),
+        projectile=ProjectileGene(**data["projectile"]),
+    )

src/gausse/optim/sweep.py

@@ -0,0 +1,81 @@
+"""Массовый Monte Carlo sweep: честный широкий перебор, все прогоны в SQLite.
+
+Воркеры (пул процессов) только сэмплируют и оценивают геномы; запись в
+SQLite идёт через единственный writer-процесс поверх очереди
+(`storage.database.run_writer_process`), чтобы не было конкурентной записи
+в один файл базы.
+"""
+
+import multiprocessing
+import random
+from concurrent.futures import ProcessPoolExecutor
+from pathlib import Path
+from typing import Callable
+
+from gausse.optim import worker_context
+from gausse.optim.objective import MODEL_VERSION, build_run_record, evaluate
+from gausse.optim.progress_log import ProgressLogger, default_log_path
+from gausse.optim.search_space import SearchBounds, sample_genome
+from gausse.storage.database import run_writer_process
+from gausse.storage.schema import RunRecord
+
+__all__ = ["MODEL_VERSION", "run_sweep"]
+
+
+def _evaluate_one(seed: int) -> RunRecord:
+    rng = random.Random(seed)
+    genome = sample_genome(worker_context.db, worker_context.bounds, rng)
+    result = evaluate(genome, worker_context.db, worker_context.bounds)
+    return build_run_record(genome, result, worker_context.db, search_mode="sweep")
+
+
+def run_sweep(
+    db_path: Path,
+    n_runs: int,
+    bounds: SearchBounds = SearchBounds(),
+    data_dir: Path | None = None,
+    n_workers: int | None = None,
+    seed: int | None = None,
+    progress_callback: Callable[[int, int], None] | None = None,
+    log_path: Path | None = None,
+) -> dict:
+    """Прогоняет n_runs случайных конфигураций параллельно, пишет каждую в SQLite.
+
+    Возвращает сводку {n_runs, n_feasible} — не для принятия решений (для
+    этого нужно читать саму базу), а как быстрая сверка "ничего не потерялось".
+    Ход эксперимента пишется в `log_path` (по умолчанию — <db>.log).
+    """
+    n_workers = n_workers or multiprocessing.cpu_count()
+    base_seed = seed if seed is not None else random.randrange(2**31)
+    seeds = [base_seed + i for i in range(n_runs)]
+
+    logger = ProgressLogger(log_path or default_log_path(db_path), mode="sweep", total=n_runs)
+
+    ctx = multiprocessing.get_context("spawn")
+    queue = ctx.Queue()
+    writer = ctx.Process(target=run_writer_process, args=(queue, db_path))
+    writer.start()
+
+    completed = 0
+    n_feasible = 0
+    try:
+        with ProcessPoolExecutor(
+            max_workers=n_workers,
+            mp_context=ctx,
+            initializer=worker_context.init_worker,
+            initargs=(data_dir, bounds),
+        ) as executor:
+            for record in executor.map(_evaluate_one, seeds):
+                queue.put(record)
+                completed += 1
+                if record.feasible:
+                    n_feasible += 1
+                logger.update(record.feasible, record.efficiency)
+                if progress_callback:
+                    progress_callback(completed, n_runs)
+    finally:
+        logger.finish()
+        queue.put(None)
+        writer.join()
+
+    return {"n_runs": completed, "n_feasible": n_feasible}

src/gausse/optim/worker_context.py

@@ -0,0 +1,19 @@
+"""Состояние процесса-воркера пула: база компонентов грузится один раз на процесс.
+
+Используется и sweep.py (случайный перебор), и evolutionary.py (ГА) — общий
+паттерн `ProcessPoolExecutor(initializer=init_worker, ...)`.
+"""
+
+from pathlib import Path
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.search_space import SearchBounds
+
+db: ComponentDatabase | None = None
+bounds: SearchBounds | None = None
+
+
+def init_worker(data_dir: Path | None, worker_bounds: SearchBounds) -> None:
+    global db, bounds
+    db = ComponentDatabase.load(data_dir) if data_dir else ComponentDatabase.load()
+    bounds = worker_bounds

src/gausse/physics/sensors.py

@@ -18,6 +18,15 @@ import numpy as np
 
 SensorEvent = Callable[[float, np.ndarray], float]
 
+# cosh(z)**2 переполняет float64 при |z| > ~355; клэмпим до этого аргумент
+# sech^2, а не сам bump -- при |z|>=20 бамп уже ~1e-17, дальнейший рост z
+# физически ничего не меняет (снаряд всё равно "не виден" датчику).
+_SECH2_ARG_CLIP = 20.0
+
+
+def _sech2(z: np.ndarray) -> np.ndarray:
+    return 1.0 / np.cosh(np.clip(z, -_SECH2_ARG_CLIP, _SECH2_ARG_CLIP)) ** 2
+
 
 def make_optical_sensor_event(x_sensor_m: float) -> SensorEvent:
     def event(t: float, state: np.ndarray) -> float:
@@ -36,7 +45,7 @@ def make_inductive_sensor_event(
 ) -> SensorEvent:
     def event(t: float, state: np.ndarray) -> float:
         x, v = state
-        bump = 1.0 / np.cosh((x - x_sensor_m) / width_m) ** 2
+        bump = _sech2((x - x_sensor_m) / width_m)
         return sensitivity_v_per_mps * v * bump - threshold_v
 
     event.terminal = True

src/gausse/report/animate.py

@@ -0,0 +1,105 @@
+"""Анимация одного прогона: снаряд летит по трубе, катушки светятся по току.
+
+Строит СПЛОШНУЮ траекторию (баллистический подлёт к датчику + разряд по
+каждой ступени, сшитые по глобальному времени/координате) и рендерит кадр
+за кадром: положение снаряда в трубе + "свечение" каждой катушки
+пропорционально её текущему току (яркая -- сильное поле, тусклая -- нет).
+Сохраняется как GIF через встроенный в matplotlib PillowWriter.
+"""
+
+from pathlib import Path
+
+import matplotlib
+
+matplotlib.use("Agg")
+
+import matplotlib.animation as animation
+import matplotlib.pyplot as plt
+import numpy as np
+
+from gausse.sim.coilgun import CoilgunConfig, CoilgunResult
+
+
+def _build_global_timeline(result: CoilgunResult, config: CoilgunConfig, fps: int):
+    """Возвращает (times, positions, per_stage_current_at_time) с равномерным шагом."""
+    segments_t = []
+    segments_x = []
+    segments_i = []  # ток КАЖДОЙ катушки в момент времени (список массивов той же длины, что t)
+    n_stages = len(config.stages)
+
+    for outcome in result.stage_outcomes:
+        r = outcome.result
+        # Баллистический подлёт к датчику: постоянная скорость, восстанавливается аналитически
+        # (в модели v1 нет трения на этом участке — см. sim/stage.py::_ballistic_derivatives).
+        t_sensor = r.t_sensor_s if r.t_sensor_s is not None else 0.0
+        flight_t = np.linspace(0.0, t_sensor, max(int(t_sensor * fps) + 2, 2))
+        flight_x = outcome.entry_x_m + outcome.entry_v_mps * flight_t
+        flight_global_t = outcome.time_offset_s + flight_t
+        flight_global_x = outcome.global_coil_center_m + flight_x
+        flight_currents = [np.zeros_like(flight_t) for _ in range(n_stages)]
+        flight_currents[outcome.stage_index] = np.zeros_like(flight_t)
+        segments_t.append(flight_global_t)
+        segments_x.append(flight_global_x)
+        segments_i.append(flight_currents)
+
+        if r.discharge_t is not None:
+            discharge_global_t = outcome.time_offset_s + (r.t_fire_s or 0.0) + r.discharge_t
+            discharge_global_x = outcome.global_coil_center_m + r.discharge_x
+            discharge_currents = [np.zeros_like(r.discharge_t) for _ in range(n_stages)]
+            discharge_currents[outcome.stage_index] = r.discharge_i
+            segments_t.append(discharge_global_t)
+            segments_x.append(discharge_global_x)
+            segments_i.append(discharge_currents)
+
+    times = np.concatenate(segments_t)
+    positions = np.concatenate(segments_x)
+    currents = [np.concatenate([seg[stage] for seg in segments_i]) for stage in range(n_stages)]
+
+    order = np.argsort(times)
+    times = times[order]
+    positions = positions[order]
+    currents = [c[order] for c in currents]
+    return times, positions, currents
+
+
+def animate_run(result: CoilgunResult, config: CoilgunConfig, out_path: str, fps: int = 30) -> str:
+    if not result.stage_outcomes:
+        raise ValueError("нечего анимировать: нет ни одной ступени в результате")
+
+    times, positions, currents = _build_global_timeline(result, config, fps)
+    n_frames = min(len(times), fps * 10)  # ограничение на длину анимации
+    frame_idx = np.linspace(0, len(times) - 1, n_frames).astype(int)
+
+    coil_centers = [o.global_coil_center_m for o in result.stage_outcomes]
+    max_current_per_stage = [max(np.max(np.abs(c)), 1e-9) for c in currents]
+
+    fig, ax = plt.subplots(figsize=(8, 3))
+    tube_min, tube_max = positions.min(), positions.max()
+    ax.set_xlim(tube_min * 1e3 - 5, tube_max * 1e3 + 5)
+    ax.set_ylim(-1, 1)
+    ax.set_xlabel("положение, мм")
+    ax.set_yticks([])
+    ax.set_title("Пролёт снаряда через ступени")
+
+    tube_line = ax.axhline(0, color="gray", linewidth=2, zorder=1)
+    coil_dots = [
+        ax.scatter([c * 1e3], [0], s=400, c="lightgray", edgecolors="black", zorder=2)
+        for c in coil_centers
+    ]
+    slug_dot = ax.scatter([], [], s=150, c="red", zorder=3)
+    time_text = ax.text(0.02, 0.9, "", transform=ax.transAxes)
+
+    def update(frame_i):
+        idx = frame_idx[frame_i]
+        slug_dot.set_offsets([[positions[idx] * 1e3, 0]])
+        for stage_idx, dots in enumerate(coil_dots):
+            intensity = abs(currents[stage_idx][idx]) / max_current_per_stage[stage_idx]
+            dots.set_color(plt.cm.autumn(1.0 - min(intensity, 1.0)))
+        time_text.set_text(f"t = {times[idx] * 1e3:.3f} мс")
+        return [slug_dot, time_text, *coil_dots]
+
+    anim = animation.FuncAnimation(fig, update, frames=n_frames, interval=1000 / fps, blit=False)
+    out_path = str(out_path)
+    anim.save(out_path, writer=animation.PillowWriter(fps=fps))
+    plt.close(fig)
+    return out_path

src/gausse/report/bom.py

@@ -0,0 +1,94 @@
+"""Спецификация деталей (BOM) для найденной конфигурации — с ценами и итогом."""
+
+from dataclasses import dataclass
+
+from gausse.components.database import ComponentDatabase
+from gausse.physics.inductance import winding_geometry
+from gausse.sim.coilgun import CoilgunConfig
+
+
+@dataclass
+class BomLine:
+    stage_index: int | None  # None для позиций, общих для всей пушки (снаряд)
+    part: str
+    quantity: str
+    unit_price_rub: float
+    total_price_rub: float
+    note: str = ""
+
+
+def build_bom(config: CoilgunConfig, db: ComponentDatabase) -> list[BomLine]:
+    lines: list[BomLine] = []
+    for i, stage in enumerate(config.stages):
+        wire_od_m = stage.wire.insulation_od_mm / 1000
+        geometry = winding_geometry(stage.tube_od_m, wire_od_m, stage.turns_per_layer, stage.layers)
+        wire_length_m = geometry.total_wire_length_m
+        lines.append(
+            BomLine(
+                stage_index=i,
+                part=f"Провод {stage.wire.part_id}",
+                quantity=f"{wire_length_m:.2f} м",
+                unit_price_rub=stage.wire.price_per_m,
+                total_price_rub=wire_length_m * stage.wire.price_per_m,
+                note=f"{geometry.total_turns} витков ({stage.turns_per_layer}x{stage.layers})",
+            )
+        )
+        lines.append(
+            BomLine(
+                stage_index=i,
+                part=f"Конденсатор {stage.capacitor.part_number}",
+                quantity="1 шт",
+                unit_price_rub=stage.capacitor.price,
+                total_price_rub=stage.capacitor.price,
+                note=f"{stage.capacitor.capacitance_uf}мкФ {stage.capacitor.voltage_v}В, заряд {stage.charge_voltage_v:.0f}В",
+            )
+        )
+        lines.append(
+            BomLine(
+                stage_index=i,
+                part=f"Ключ {stage.switch.part_number}",
+                quantity="1 шт",
+                unit_price_rub=stage.switch.price,
+                total_price_rub=stage.switch.price,
+                note=stage.switch.kind,
+            )
+        )
+        lines.append(
+            BomLine(
+                stage_index=i,
+                part=f"Датчик {stage.sensor.part_number}",
+                quantity="1 шт",
+                unit_price_rub=stage.sensor.price,
+                total_price_rub=stage.sensor.price,
+                note=stage.sensor.kind,
+            )
+        )
+
+    mass_kg = config.projectile.mass_kg
+    lines.append(
+        BomLine(
+            stage_index=None,
+            part=f"Снаряд: {config.projectile.material.name}",
+            quantity=f"{mass_kg * 1000:.1f} г",
+            unit_price_rub=config.projectile.material.price_per_kg,
+            total_price_rub=mass_kg * config.projectile.material.price_per_kg,
+            note=f"⌀{config.projectile.diameter_m * 1000:.1f}мм x {config.projectile.length_m * 1000:.1f}мм",
+        )
+    )
+    return lines
+
+
+def total_cost_rub(lines: list[BomLine]) -> float:
+    return sum(line.total_price_rub for line in lines)
+
+
+def render_bom_text(lines: list[BomLine]) -> str:
+    rows = ["Ступень\tДеталь\tКол-во\tЦена/ед\tИтого\tПримечание"]
+    for line in lines:
+        stage_label = "-" if line.stage_index is None else str(line.stage_index)
+        rows.append(
+            f"{stage_label}\t{line.part}\t{line.quantity}\t{line.unit_price_rub:.2f}₽\t"
+            f"{line.total_price_rub:.2f}₽\t{line.note}"
+        )
+    rows.append(f"\t\t\t\tИТОГО: {total_cost_rub(lines):.2f}₽\t")
+    return "\n".join(rows)

src/gausse/report/plots.py

@@ -0,0 +1,105 @@
+"""Графики одного прогона: ток/поле каждой катушки по времени, скорость по положению.
+
+Использует Agg-бэкенд matplotlib явно — код должен работать без дисплея
+(в Docker/на сервере), а не только на машине разработчика.
+"""
+
+from pathlib import Path
+
+import matplotlib
+
+matplotlib.use("Agg")
+
+import matplotlib.pyplot as plt
+import numpy as np
+
+from gausse.physics.force import solenoid_field_estimate_tesla
+from gausse.sim.coilgun import CoilgunResult
+
+
+def _stage_global_time(outcome) -> np.ndarray | None:
+    r = outcome.result
+    if r.discharge_t is None:
+        return None
+    return outcome.time_offset_s + (r.t_fire_s or 0.0) + r.discharge_t
+
+
+def _legend_or_no_data_note(ax) -> None:
+    if ax.get_legend_handles_labels()[0]:
+        ax.legend()
+    else:
+        ax.text(
+            0.5, 0.5, "нет данных: прогон нереализуем ни на одной ступени",
+            ha="center", va="center", transform=ax.transAxes,
+        )
+
+
+def plot_stage_currents(result: CoilgunResult):
+    fig, ax = plt.subplots()
+    for outcome in result.stage_outcomes:
+        t = _stage_global_time(outcome)
+        if t is None:
+            continue
+        ax.plot(t * 1e3, outcome.result.discharge_i, label=f"ступень {outcome.stage_index}")
+    ax.set_xlabel("время, мс")
+    ax.set_ylabel("ток катушки, А")
+    ax.set_title("Ток разряда по ступеням")
+    _legend_or_no_data_note(ax)
+    fig.tight_layout()
+    return fig
+
+
+def plot_stage_fields(result: CoilgunResult):
+    """Оценка магнитного поля катушки B(t) = MU_0*mu_eff*n*I(t) по ступеням."""
+    fig, ax = plt.subplots()
+    for outcome in result.stage_outcomes:
+        r = outcome.result
+        t = _stage_global_time(outcome)
+        if t is None or r.mu_eff is None:
+            continue
+        b_field = np.array(
+            [
+                solenoid_field_estimate_tesla(r.mu_eff, r.total_turns, r.coil_length_m, i)
+                for i in r.discharge_i
+            ]
+        )
+        ax.plot(t * 1e3, b_field, label=f"ступень {outcome.stage_index}")
+    ax.set_xlabel("время, мс")
+    ax.set_ylabel("оценка поля в катушке, Тл")
+    ax.set_title("Магнитное поле по ступеням (грубая соленоидная оценка)")
+    _legend_or_no_data_note(ax)
+    fig.tight_layout()
+    return fig
+
+
+def plot_velocity_vs_position(result: CoilgunResult):
+    fig, ax = plt.subplots()
+    for outcome in result.stage_outcomes:
+        r = outcome.result
+        if r.discharge_x is None:
+            continue
+        global_x = outcome.global_coil_center_m + r.discharge_x
+        ax.plot(global_x * 1e3, r.discharge_v, label=f"ступень {outcome.stage_index}")
+    ax.set_xlabel("положение снаряда, мм (сквозная координата)")
+    ax.set_ylabel("скорость, м/с")
+    ax.set_title("Скорость снаряда по положению")
+    _legend_or_no_data_note(ax)
+    fig.tight_layout()
+    return fig
+
+
+def save_all(result: CoilgunResult, out_dir) -> list[str]:
+    out_dir = Path(out_dir)
+    out_dir.mkdir(parents=True, exist_ok=True)
+    saved = []
+    for name, builder in (
+        ("current.png", plot_stage_currents),
+        ("field.png", plot_stage_fields),
+        ("velocity_vs_position.png", plot_velocity_vs_position),
+    ):
+        fig = builder(result)
+        path = out_dir / name
+        fig.savefig(path, dpi=120)
+        plt.close(fig)
+        saved.append(str(path))
+    return saved

src/gausse/report/summary.py

@@ -0,0 +1,76 @@
+"""Человеко-читаемая + JSON сводка по прогону — включая явные ограничения модели."""
+
+import json
+
+from gausse.components.database import ComponentDatabase
+from gausse.report.bom import build_bom, total_cost_rub
+from gausse.sim.coilgun import CoilgunConfig, CoilgunResult
+
+MODEL_LIMITATIONS = [
+    "Насыщение сердечника не встроено в динамику (только диагностика "
+    "StageResult.saturation_warning) -- см. историю разработки Этапа 3.",
+    "Вихревые токи, гистерезис и скин-эффект провода на высокой частоте не учтены.",
+    "Профиль перекрытия катушка/снаряд L(x) -- сглаженная аппроксимация "
+    "(tanh-функция), не точная картина поля из FEA-расчёта.",
+    "Часть цен в базе компонентов -- оценка, а не подтверждённая розничная "
+    "цена (см. поле `source` каждой записи в components/data/*.json).",
+    "Нагрев провода/конденсаторов при повторных выстрелах не моделируется "
+    "(рассчитан одиночный холодный выстрел).",
+]
+
+
+def build_summary(result: CoilgunResult, config: CoilgunConfig, db: ComponentDatabase) -> dict:
+    bom_lines = build_bom(config, db)
+    saturation_warnings = [
+        outcome.stage_index
+        for outcome in result.stage_outcomes
+        if outcome.result.saturation_warning
+    ]
+    return {
+        "feasible": result.feasible,
+        "reason": result.reason,
+        "failed_stage_index": result.failed_stage_index,
+        "n_stages": len(config.stages),
+        "exit_velocity_mps": result.exit_v_mps,
+        "exit_kinetic_energy_j": result.exit_kinetic_energy_j,
+        "efficiency": result.efficiency,
+        "total_energy_in_j": result.total_energy_in_j,
+        "total_energy_dissipated_j": result.total_energy_dissipated_j,
+        "total_kinetic_energy_delta_j": result.total_kinetic_energy_delta_j,
+        "cost_rub": total_cost_rub(bom_lines),
+        "sensor_types_by_stage": [s.sensor.kind for s in config.stages],
+        "stages_with_saturation_warning": saturation_warnings,
+        "model_limitations": MODEL_LIMITATIONS,
+    }
+
+
+def render_summary_text(summary: dict) -> str:
+    lines = []
+    if summary["feasible"]:
+        lines.append("Результат: РЕАЛИЗУЕМО")
+        lines.append(f"  Ступеней: {summary['n_stages']}")
+        lines.append(f"  Скорость на выходе: {summary['exit_velocity_mps']:.2f} м/с")
+        lines.append(f"  КПД: {summary['efficiency'] * 100:.2f}%")
+        lines.append(f"  Энергия (вход/потери/кинетика): "
+                      f"{summary['total_energy_in_j']:.2f} / "
+                      f"{summary['total_energy_dissipated_j']:.2f} / "
+                      f"{summary['total_kinetic_energy_delta_j']:.2f} Дж")
+    else:
+        lines.append("Результат: НЕ РЕАЛИЗУЕМО")
+        lines.append(f"  Провал на ступени {summary['failed_stage_index']}: {summary['reason']}")
+    lines.append(f"  Стоимость деталей: {summary['cost_rub']:.2f}₽")
+    lines.append(f"  Типы датчиков по ступеням: {summary['sensor_types_by_stage']}")
+    if summary["stages_with_saturation_warning"]:
+        lines.append(
+            f"  ВНИМАНИЕ: возможное насыщение сердечника на ступенях "
+            f"{summary['stages_with_saturation_warning']} (см. ограничения модели)"
+        )
+    lines.append("")
+    lines.append("Ограничения модели:")
+    for item in summary["model_limitations"]:
+        lines.append(f"  - {item}")
+    return "\n".join(lines)
+
+
+def render_summary_json(summary: dict) -> str:
+    return json.dumps(summary, ensure_ascii=False, indent=2)

src/gausse/sim/coilgun.py

@@ -34,6 +34,8 @@ class StageOutcome:
     result: StageResult
     global_coil_center_m: float
     time_offset_s: float
+    entry_x_m: float
+    entry_v_mps: float
 
 
 @dataclass
@@ -76,6 +78,8 @@ def run_coilgun(config: CoilgunConfig) -> CoilgunResult:
                 result=result,
                 global_coil_center_m=global_coil_center_m,
                 time_offset_s=time_offset_s,
+                entry_x_m=entry_x_m,
+                entry_v_mps=entry_v_mps,
             )
         )
 
@@ -105,7 +109,13 @@ def run_coilgun(config: CoilgunConfig) -> CoilgunResult:
             entry_x_m, entry_v_mps = result.exit_x_m, result.exit_v_mps
 
     exit_kinetic_energy_j = 0.5 * config.projectile.mass_kg * entry_v_mps**2
-    efficiency = exit_kinetic_energy_j / total_energy_in_j if total_energy_in_j > 0 else None
+    # КПД = энергия, добавленная катушками (kinetic_energy_delta), а не вся
+    # exit-кинетическая энергия -- иначе фиксированный внешний "толчок"
+    # initial_v_mps (не учтённый в energy_in) может дать КПД > 100%, что
+    # физически бессмысленно. per-stage энергобаланс (energy_in =
+    # remaining_cap + dissipated + kinetic_delta) гарантирует
+    # kinetic_delta <= energy_in, так что этот КПД всегда <= 1.
+    efficiency = total_kinetic_energy_delta_j / total_energy_in_j if total_energy_in_j > 0 else None
 
     return CoilgunResult(
         feasible=True,

src/gausse/sim/stage.py

@@ -83,6 +83,9 @@ class StageResult:
     kinetic_energy_delta_j: float | None = None
     saturation_warning: bool = False
     peak_field_estimate_tesla: float | None = None
+    mu_eff: float | None = None
+    total_turns: int | None = None
+    coil_length_m: float | None = None
     discharge_t: np.ndarray | None = None
     discharge_q: np.ndarray | None = None
     discharge_i: np.ndarray | None = None
@@ -247,6 +250,9 @@ def run_stage(
         kinetic_energy_delta_j=kinetic_after_j - kinetic_before_j,
         saturation_warning=saturation_warning,
         peak_field_estimate_tesla=peak_field_estimate_tesla,
+        mu_eff=mu_eff,
+        total_turns=geometry.total_turns,
+        coil_length_m=geometry.coil_length_m,
         discharge_t=discharge_sol.t,
         discharge_q=discharge_sol.y[0],
         discharge_i=discharge_sol.y[1],

src/gausse/storage/database.py

@@ -0,0 +1,116 @@
+"""SQLite-хранилище прогонов: WAL-режим + однопроцессный писатель.
+
+Множество воркеров (Stage 6, `ProcessPoolExecutor`) не пишут в SQLite
+напрямую — каждый кладёт `RunRecord` в `multiprocessing.Queue`, а
+единственный процесс-писатель (`run_writer_process`) читает очередь и
+пишет в базу последовательно. Это исключает конкурентную запись в один
+файл SQLite, которая иначе могла бы повредить базу или потерять прогоны.
+"""
+
+import sqlite3
+import sys
+from dataclasses import asdict, fields
+from pathlib import Path
+
+from gausse.storage.schema import CREATE_INDEXES_SQL, CREATE_RUNS_TABLE_SQL, RunRecord
+
+_COLUMNS = [f.name for f in fields(RunRecord)]
+
+
+def open_connection(db_path: Path) -> sqlite3.Connection:
+    db_path = Path(db_path)
+    db_path.parent.mkdir(parents=True, exist_ok=True)
+    conn = sqlite3.connect(str(db_path))
+    conn.execute("PRAGMA journal_mode=WAL")
+    conn.execute(CREATE_RUNS_TABLE_SQL)
+    for statement in CREATE_INDEXES_SQL:
+        conn.execute(statement)
+    conn.commit()
+    return conn
+
+
+def _record_to_params(record: RunRecord) -> dict:
+    row = asdict(record)
+    row["feasible"] = int(row["feasible"])
+    return row
+
+
+def _row_to_record(row: sqlite3.Row) -> RunRecord:
+    data = dict(row)
+    data["feasible"] = bool(data["feasible"])
+    return RunRecord(**data)
+
+
+def insert_run(conn: sqlite3.Connection, record: RunRecord) -> None:
+    insert_runs(conn, [record])
+
+
+def insert_runs(conn: sqlite3.Connection, records: list[RunRecord]) -> None:
+    if not records:
+        return
+    placeholders = ", ".join(f":{name}" for name in _COLUMNS)
+    columns = ", ".join(_COLUMNS)
+    conn.executemany(
+        f"INSERT INTO runs ({columns}) VALUES ({placeholders})",
+        [_record_to_params(r) for r in records],
+    )
+    conn.commit()
+
+
+def count_runs(conn: sqlite3.Connection, feasible: bool | None = None) -> int:
+    if feasible is None:
+        cursor = conn.execute("SELECT COUNT(*) FROM runs")
+    else:
+        cursor = conn.execute("SELECT COUNT(*) FROM runs WHERE feasible = ?", (int(feasible),))
+    return cursor.fetchone()[0]
+
+
+def fetch_runs(
+    conn: sqlite3.Connection,
+    feasible: bool | None = None,
+    min_efficiency: float | None = None,
+    order_by_efficiency_desc: bool = False,
+    limit: int | None = None,
+) -> list[RunRecord]:
+    conn.row_factory = sqlite3.Row
+    query = "SELECT * FROM runs WHERE 1=1"
+    params: list = []
+    if feasible is not None:
+        query += " AND feasible = ?"
+        params.append(int(feasible))
+    if min_efficiency is not None:
+        query += " AND efficiency >= ?"
+        params.append(min_efficiency)
+    if order_by_efficiency_desc:
+        query += " ORDER BY efficiency DESC"
+    if limit is not None:
+        query += " LIMIT ?"
+        params.append(limit)
+    cursor = conn.execute(query, params)
+    return [_row_to_record(row) for row in cursor.fetchall()]
+
+
+def run_writer_process(queue, db_path: Path) -> None:
+    """Читает `RunRecord` из очереди и пишет в SQLite, пока не придёт None.
+
+    Предназначен для запуска как отдельный `multiprocessing.Process` —
+    единственный writer на файл базы, пока воркеры sweep/evolve только
+    кладут результаты в очередь.
+
+    Один "плохой" прогон (например, коллизия run_id) не должен уронить
+    писатель и остановить осушение очереди на много часов sweep — при
+    ошибке вставки конкретная запись пропускается с сообщением в stderr,
+    а не молча и не ценой падения всего процесса.
+    """
+    conn = open_connection(db_path)
+    try:
+        while True:
+            record = queue.get()
+            if record is None:
+                break
+            try:
+                insert_run(conn, record)
+            except sqlite3.Error as exc:
+                print(f"[storage] не удалось записать run_id={record.run_id}: {exc}", file=sys.stderr)
+    finally:
+        conn.close()

src/gausse/storage/schema.py

@@ -0,0 +1,50 @@
+"""Схема таблицы `runs` — ВСЕ прогоны (успешные и нет), без прикрас.
+
+Нереализуемые конфигурации хранятся наравне с успешными: `feasible=0` +
+`infeasible_reason` с честной причиной. Ничего не отбрасывается перед
+записью — отбор "хороших" результатов делается запросом к этой таблице
+постфактум, а не фильтрацией на входе.
+"""
+
+from dataclasses import dataclass
+
+CREATE_RUNS_TABLE_SQL = """
+CREATE TABLE IF NOT EXISTS runs (
+    run_id TEXT PRIMARY KEY,
+    timestamp TEXT NOT NULL,
+    search_mode TEXT NOT NULL,
+    genome_json TEXT NOT NULL,
+    decoded_summary_json TEXT NOT NULL,
+    feasible INTEGER NOT NULL,
+    infeasible_reason TEXT,
+    failed_stage_index INTEGER,
+    efficiency REAL,
+    exit_velocity_mps REAL,
+    cost_rub REAL,
+    energy_breakdown_json TEXT,
+    model_version TEXT NOT NULL
+)
+"""
+
+CREATE_INDEXES_SQL = [
+    "CREATE INDEX IF NOT EXISTS idx_runs_feasible ON runs(feasible)",
+    "CREATE INDEX IF NOT EXISTS idx_runs_efficiency ON runs(efficiency)",
+    "CREATE INDEX IF NOT EXISTS idx_runs_search_mode ON runs(search_mode)",
+]
+
+
+@dataclass(frozen=True)
+class RunRecord:
+    run_id: str
+    timestamp: str
+    search_mode: str  # "sweep" | "evolve" | "manual"
+    genome_json: str
+    decoded_summary_json: str
+    feasible: bool
+    model_version: str
+    infeasible_reason: str | None = None
+    failed_stage_index: int | None = None
+    efficiency: float | None = None
+    exit_velocity_mps: float | None = None
+    cost_rub: float | None = None
+    energy_breakdown_json: str | None = None

src/gausse/web/page.py

@@ -0,0 +1,141 @@
+"""Самодостаточная HTML-страница дашборда (inline CSS+JS, без внешних ресурсов)."""
+
+PAGE_HTML = r"""<!doctype html>
+<html lang="ru">
+<head>
+<meta charset="utf-8">
+<meta name="viewport" content="width=device-width, initial-scale=1">
+<title>gausse — ход эксперимента</title>
+<style>
+  :root { color-scheme: dark; }
+  * { box-sizing: border-box; }
+  body { margin:0; font-family: system-ui, -apple-system, Segoe UI, Roboto, sans-serif;
+         background:#0e1116; color:#e6edf3; font-size:14px; }
+  header { padding:14px 20px; background:#161b22; border-bottom:1px solid #30363d;
+           display:flex; align-items:center; gap:16px; flex-wrap:wrap; }
+  header h1 { font-size:16px; margin:0; font-weight:600; }
+  .muted { color:#8b949e; }
+  .wrap { padding:20px; max-width:1200px; margin:0 auto; }
+  .cards { display:grid; grid-template-columns:repeat(auto-fit,minmax(150px,1fr)); gap:12px; margin-bottom:20px; }
+  .card { background:#161b22; border:1px solid #30363d; border-radius:8px; padding:14px; }
+  .card .k { font-size:12px; color:#8b949e; text-transform:uppercase; letter-spacing:.04em; }
+  .card .v { font-size:26px; font-weight:700; margin-top:4px; }
+  .grid2 { display:grid; grid-template-columns:1fr 1fr; gap:20px; }
+  @media (max-width:840px){ .grid2 { grid-template-columns:1fr; } }
+  section h2 { font-size:13px; text-transform:uppercase; letter-spacing:.04em; color:#8b949e; margin:0 0 10px; }
+  table { width:100%; border-collapse:collapse; font-variant-numeric:tabular-nums; }
+  th,td { text-align:left; padding:7px 8px; border-bottom:1px solid #21262d; }
+  th { color:#8b949e; font-weight:600; font-size:12px; }
+  tr.clk:hover { background:#1c2230; cursor:pointer; }
+  .bar { height:16px; background:#238636; border-radius:3px; }
+  .hist td { padding:3px 8px; }
+  .log { background:#0a0d12; border:1px solid #30363d; border-radius:8px; padding:12px;
+         font-family: ui-monospace, SFMono-Regular, Menlo, monospace; font-size:12px;
+         white-space:pre-wrap; max-height:320px; overflow:auto; line-height:1.5; }
+  .pill { display:inline-block; padding:1px 7px; border-radius:10px; font-size:11px; background:#21262d; }
+  #detail { margin-top:20px; background:#161b22; border:1px solid #30363d; border-radius:8px; padding:16px; display:none; }
+  #detail pre { white-space:pre-wrap; font-family: ui-monospace, monospace; font-size:12px; margin:0; }
+  .close { float:right; cursor:pointer; color:#8b949e; }
+  a { color:#58a6ff; }
+</style>
+</head>
+<body>
+<header>
+  <h1>⚡ gausse — ход эксперимента</h1>
+  <span class="muted" id="updated">загрузка…</span>
+  <span class="muted" id="err" style="color:#f85149"></span>
+</header>
+<div class="wrap">
+  <div class="cards">
+    <div class="card"><div class="k">Всего прогонов</div><div class="v" id="c-total">—</div></div>
+    <div class="card"><div class="k">Реализуемо</div><div class="v" id="c-feas">—</div></div>
+    <div class="card"><div class="k">Нереализуемо</div><div class="v" id="c-infeas">—</div></div>
+    <div class="card"><div class="k">Доля реализуемых</div><div class="v" id="c-pct">—</div></div>
+    <div class="card"><div class="k">Лучший КПД</div><div class="v" id="c-best">—</div></div>
+  </div>
+
+  <div class="grid2">
+    <section>
+      <h2>Топ конфигураций по КПД</h2>
+      <table>
+        <thead><tr><th>КПД</th><th>Скор., м/с</th><th>Ступ.</th><th>Цена, ₽</th><th>Режим</th></tr></thead>
+        <tbody id="top"></tbody>
+      </table>
+      <p class="muted" style="font-size:12px">Клик по строке — полная детализация прогона (расстояния, номиналы, физика).</p>
+    </section>
+    <section>
+      <h2>Распределение КПД (реализуемые)</h2>
+      <table class="hist"><tbody id="hist"></tbody></table>
+      <h2 style="margin-top:18px">Причины отказа</h2>
+      <table><tbody id="reasons"></tbody></table>
+    </section>
+  </div>
+
+  <section style="margin-top:22px">
+    <h2>Лог процесса</h2>
+    <div class="log" id="log">—</div>
+  </section>
+
+  <div id="detail"><span class="close" onclick="document.getElementById('detail').style.display='none'">✕ закрыть</span>
+    <h2 id="d-title"></h2><pre id="d-body"></pre></div>
+</div>
+
+<script>
+const fmtPct = x => x==null ? "—" : (x*100).toFixed(2)+"%";
+const fmt = (x,d=1) => x==null ? "—" : Number(x).toFixed(d);
+
+async function refresh(){
+  try {
+    const r = await fetch('/api/overview'); const o = await r.json();
+    document.getElementById('err').textContent = o.error ? ('ошибка: '+o.error) : '';
+    document.getElementById('c-total').textContent = o.total ?? 0;
+    document.getElementById('c-feas').textContent = o.feasible ?? 0;
+    document.getElementById('c-infeas').textContent = o.infeasible ?? 0;
+    document.getElementById('c-pct').textContent = (o.feasible_pct??0).toFixed(1)+"%";
+    let best = (o.top && o.top.length) ? o.top[0].efficiency : null;
+    document.getElementById('c-best').textContent = fmtPct(best);
+
+    const top = document.getElementById('top'); top.innerHTML='';
+    (o.top||[]).forEach(t=>{
+      const tr=document.createElement('tr'); tr.className='clk';
+      tr.innerHTML=`<td>${fmtPct(t.efficiency)}</td><td>${fmt(t.exit_velocity_mps,1)}</td>`+
+        `<td>${t.n_stages??'—'}</td><td>${fmt(t.cost_rub,0)}</td><td><span class="pill">${t.search_mode}</span></td>`;
+      tr.onclick=()=>showDetail(t.run_id);
+      top.appendChild(tr);
+    });
+
+    const hist=document.getElementById('hist'); hist.innerHTML='';
+    const mx=Math.max(1,...(o.efficiency_histogram||[0]));
+    (o.efficiency_histogram||[]).forEach((c,i)=>{
+      const tr=document.createElement('tr');
+      tr.innerHTML=`<td class="muted" style="width:70px">${i*10}–${i*10+10}%</td>`+
+        `<td><div class="bar" style="width:${Math.max(2,100*c/mx)}%"></div></td>`+
+        `<td class="muted" style="width:60px;text-align:right">${c}</td>`;
+      hist.appendChild(tr);
+    });
+
+    const rs=document.getElementById('reasons'); rs.innerHTML='';
+    (o.infeasible_reasons||[]).forEach(x=>{
+      const tr=document.createElement('tr');
+      tr.innerHTML=`<td class="muted">${x.reason}</td><td style="text-align:right">${x.count}</td>`;
+      rs.appendChild(tr);
+    });
+
+    document.getElementById('log').textContent = (o.log_tail||[]).join('\n') || '(лог пуст)';
+    document.getElementById('updated').textContent = 'обновлено '+new Date().toLocaleTimeString();
+  } catch(e){ document.getElementById('err').textContent='нет связи с сервером'; }
+}
+
+async function showDetail(runId){
+  const r = await fetch('/api/run/'+runId); const d = await r.json();
+  document.getElementById('d-title').textContent = 'Прогон '+runId.slice(0,8)+
+    ' — '+(d.feasible?('КПД '+fmtPct(d.efficiency)+', '+fmt(d.exit_velocity_mps,1)+' м/с'):'НЕ реализуемо');
+  document.getElementById('d-body').textContent = JSON.stringify(d, null, 2);
+  const el=document.getElementById('detail'); el.style.display='block'; el.scrollIntoView({behavior:'smooth'});
+}
+
+refresh(); setInterval(refresh, 3000);
+</script>
+</body>
+</html>
+"""

src/gausse/web/server.py

@@ -0,0 +1,72 @@
+"""Веб-морда `gausse serve`: дашборд хода эксперимента поверх SQLite.
+
+Только stdlib (`http.server`) — без новых зависимостей. Read-only: сервер
+лишь читает базу и отдаёт JSON + одну самодостаточную HTML-страницу, которая
+опрашивает /api/overview раз в несколько секунд. Ничего не пишет в базу,
+поэтому безопасно запускать параллельно с идущим sweep/evolve.
+"""
+
+import json
+from functools import partial
+from http.server import BaseHTTPRequestHandler, ThreadingHTTPServer
+from pathlib import Path
+from urllib.parse import urlparse
+
+from gausse.web.page import PAGE_HTML
+from gausse.web.stats import overview, run_detail
+
+
+class _Handler(BaseHTTPRequestHandler):
+    def __init__(self, *args, db_path: Path, log_path: Path, **kwargs):
+        self.db_path = db_path
+        self.log_path = log_path
+        super().__init__(*args, **kwargs)
+
+    def log_message(self, *args):  # тише в stdout
+        pass
+
+    def _send(self, code: int, body: bytes, content_type: str) -> None:
+        self.send_response(code)
+        self.send_header("Content-Type", content_type)
+        self.send_header("Content-Length", str(len(body)))
+        self.end_headers()
+        self.wfile.write(body)
+
+    def _send_json(self, obj, code: int = 200) -> None:
+        self._send(code, json.dumps(obj, ensure_ascii=False).encode("utf-8"), "application/json; charset=utf-8")
+
+    def do_GET(self):
+        path = urlparse(self.path).path
+        if path in ("/", "/index.html"):
+            self._send(200, PAGE_HTML.encode("utf-8"), "text/html; charset=utf-8")
+            return
+        if path == "/api/overview":
+            try:
+                self._send_json(overview(self.db_path, self.log_path))
+            except Exception as exc:  # база может ещё не существовать / быть пустой
+                self._send_json({"error": str(exc), "total": 0, "feasible": 0, "infeasible": 0}, code=200)
+            return
+        if path.startswith("/api/run/"):
+            run_id = path[len("/api/run/") :]
+            detail = run_detail(self.db_path, run_id)
+            if detail is None:
+                self._send_json({"error": "run_id не найден"}, code=404)
+            else:
+                self._send_json(detail)
+            return
+        self._send(404, b"not found", "text/plain")
+
+
+def serve(db_path: Path, host: str = "0.0.0.0", port: int = 8000, log_path: Path | None = None) -> None:
+    db_path = Path(db_path)
+    if log_path is None:
+        log_path = db_path.with_suffix(db_path.suffix + ".log")
+    handler = partial(_Handler, db_path=db_path, log_path=log_path)
+    httpd = ThreadingHTTPServer((host, port), handler)
+    print(f"gausse web-морда: http://{host}:{port}  (база: {db_path}, лог: {log_path})")
+    try:
+        httpd.serve_forever()
+    except KeyboardInterrupt:
+        print("остановлено")
+    finally:
+        httpd.server_close()

src/gausse/web/stats.py

@@ -0,0 +1,96 @@
+"""Агрегаты по таблице `runs` для веб-морды — считаются запросами к SQLite."""
+
+import json
+from pathlib import Path
+
+from gausse.storage.database import fetch_runs, open_connection
+
+
+def _tail_log(log_path: Path, n_lines: int = 40) -> list[str]:
+    if not log_path.exists():
+        return []
+    lines = log_path.read_text(encoding="utf-8", errors="replace").splitlines()
+    return lines[-n_lines:]
+
+
+def overview(db_path: Path, log_path: Path | None = None, top_n: int = 15) -> dict:
+    """Сводка для дашборда: счётчики, гистограмма КПД, топ конфигураций, хвост лога."""
+    conn = open_connection(db_path)
+    try:
+        total = conn.execute("SELECT COUNT(*) FROM runs").fetchone()[0]
+        feasible = conn.execute("SELECT COUNT(*) FROM runs WHERE feasible=1").fetchone()[0]
+        infeasible = total - feasible
+
+        # распределение по типу датчика ступени 0 (реализуемо / всего)
+        by_mode = {}
+        for mode, cnt in conn.execute("SELECT search_mode, COUNT(*) FROM runs GROUP BY search_mode"):
+            by_mode[mode] = cnt
+
+        # причины отказа (топ)
+        reasons = []
+        for reason, cnt in conn.execute(
+            "SELECT infeasible_reason, COUNT(*) c FROM runs WHERE feasible=0 AND infeasible_reason IS NOT NULL "
+            "GROUP BY infeasible_reason ORDER BY c DESC LIMIT 10"
+        ):
+            short = reason.split(":", 1)[0] if reason else reason
+            reasons.append({"reason": short, "count": cnt})
+
+        # гистограмма КПД (реализуемые)
+        buckets = [0] * 10  # 0-10%,...,90-100%
+        for (eff,) in conn.execute("SELECT efficiency FROM runs WHERE feasible=1 AND efficiency IS NOT NULL"):
+            idx = min(int(eff * 10), 9)
+            if idx >= 0:
+                buckets[idx] += 1
+
+        best_rows = fetch_runs(conn, feasible=True, order_by_efficiency_desc=True, limit=top_n)
+        top = []
+        for r in best_rows:
+            detail = json.loads(r.decoded_summary_json) if r.decoded_summary_json else {}
+            top.append(
+                {
+                    "run_id": r.run_id,
+                    "search_mode": r.search_mode,
+                    "efficiency": r.efficiency,
+                    "exit_velocity_mps": r.exit_velocity_mps,
+                    "cost_rub": r.cost_rub,
+                    "n_stages": detail.get("n_stages"),
+                    "timestamp": r.timestamp,
+                }
+            )
+    finally:
+        conn.close()
+
+    return {
+        "total": total,
+        "feasible": feasible,
+        "infeasible": infeasible,
+        "feasible_pct": (100 * feasible / total) if total else 0.0,
+        "by_mode": by_mode,
+        "infeasible_reasons": reasons,
+        "efficiency_histogram": buckets,
+        "top": top,
+        "log_tail": _tail_log(log_path, 40) if log_path else [],
+    }
+
+
+def run_detail(db_path: Path, run_id: str) -> dict | None:
+    conn = open_connection(db_path)
+    try:
+        rows = fetch_runs(conn)
+        row = next((r for r in rows if r.run_id == run_id), None)
+        if row is None:
+            return None
+        return {
+            "run_id": row.run_id,
+            "search_mode": row.search_mode,
+            "feasible": row.feasible,
+            "infeasible_reason": row.infeasible_reason,
+            "efficiency": row.efficiency,
+            "exit_velocity_mps": row.exit_velocity_mps,
+            "cost_rub": row.cost_rub,
+            "timestamp": row.timestamp,
+            "detail": json.loads(row.decoded_summary_json) if row.decoded_summary_json else {},
+            "energy_breakdown": json.loads(row.energy_breakdown_json) if row.energy_breakdown_json else {},
+        }
+    finally:
+        conn.close()

tests/test_cli_smoke.py

@@ -0,0 +1,55 @@
+from pathlib import Path
+
+from gausse.cli import main
+from gausse.storage.database import fetch_runs, open_connection
+
+
+def test_cli_sweep_writes_database(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    rc = main(["sweep", "--db", str(db_path), "--n", "10", "--workers", "2", "--seed", "1", "--max-stages", "2"])
+    assert rc == 0
+    assert db_path.exists()
+    conn = open_connection(db_path)
+    assert len(fetch_runs(conn)) == 10
+    conn.close()
+
+
+def test_cli_sweep_then_report_end_to_end(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    out_dir = tmp_path / "report"
+    rc = main(["sweep", "--db", str(db_path), "--n", "40", "--workers", "2", "--seed", "2"])
+    assert rc == 0
+
+    rc2 = main(["report", "--db", str(db_path), "--out", str(out_dir), "--top", "1"])
+    assert rc2 == 0
+    rank_dirs = list(out_dir.glob("rank1_*"))
+    assert len(rank_dirs) == 1
+    run_dir = rank_dirs[0]
+    assert (run_dir / "summary.txt").exists()
+    assert (run_dir / "summary.json").exists()
+    assert (run_dir / "bom.txt").exists()
+    assert (run_dir / "current.png").exists()
+    assert (run_dir / "velocity_vs_position.png").exists()
+
+
+def test_cli_simulate_single_run_id(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    out_dir = tmp_path / "sim_out"
+    main(["sweep", "--db", str(db_path), "--n", "5", "--workers", "1", "--seed", "3", "--max-stages", "2"])
+
+    conn = open_connection(db_path)
+    row = fetch_runs(conn)[0]
+    conn.close()
+
+    rc = main(["simulate", "--db", str(db_path), "--run-id", row.run_id, "--out", str(out_dir)])
+    assert rc == 0
+    assert (out_dir / "summary.txt").exists()
+
+
+def test_cli_report_with_empty_database_reports_error_not_crash(tmp_path):
+    db_path = tmp_path / "empty.sqlite3"
+    from gausse.storage.database import open_connection as oc
+
+    oc(db_path).close()  # создаёт пустую (но валидную) базу
+    rc = main(["report", "--db", str(db_path), "--out", str(tmp_path / "out")])
+    assert rc == 1

tests/test_coilgun_chain.py

@@ -96,6 +96,27 @@ def test_infeasible_stage_stops_chain_with_honest_reason():
     assert len(result.stage_outcomes) == 2
 
 
+def test_efficiency_never_exceeds_one_even_with_large_initial_velocity():
+    """Регрессия: КПД считался как exit_KE/energy_in, а не как ДОБАВЛЕННАЯ
+    катушками энергия/energy_in. Для лёгкого снаряда с большой заданной
+    initial_v_mps (внешний "толчок", не учтённый в energy_in) это давало
+    КПД > 100% -- физически бессмысленно, найдено реальным sweep на Этапе 8."""
+    light_projectile = ProjectileConfig(material=STEEL, diameter_m=0.003, length_m=0.005)
+    config = CoilgunConfig(
+        stages=[_stage()],
+        inter_stage_gaps_m=[],
+        projectile=light_projectile,
+        initial_x_m=-0.05,
+        initial_v_mps=50.0,  # заведомо большой "бесплатный" толчок относительно массы снаряда
+    )
+    result = run_coilgun(config)
+    assert result.feasible, result.reason
+    assert result.efficiency <= 1.0 + 1e-9
+    # и КПД действительно равен добавленной энергии, а не абсолютной exit-КЭ
+    expected = result.total_kinetic_energy_delta_j / result.total_energy_in_j
+    assert result.efficiency == pytest.approx(expected)
+
+
 def test_mismatched_gap_count_raises():
     with pytest.raises(ValueError):
         CoilgunConfig(

tests/test_evolutionary.py

@@ -0,0 +1,65 @@
+import random
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.evolutionary import polish_best, run_evolution
+from gausse.optim.search_space import SearchBounds, sample_genome
+from gausse.storage.database import count_runs, fetch_runs, open_connection
+
+DB = ComponentDatabase.load()
+
+
+def test_run_evolution_writes_all_evaluations_and_returns_summary(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    bounds = SearchBounds(max_stages=2)
+
+    summary = run_evolution(
+        db_path,
+        n_generations=2,
+        population_size=6,
+        bounds=bounds,
+        n_workers=2,
+        seed=7,
+        polish=False,
+    )
+
+    assert summary["n_evaluated"] == 12  # 2 поколения x 6 особей
+    assert "best_fitness" in summary
+
+    conn = open_connection(db_path)
+    assert count_runs(conn) == 12
+    rows = fetch_runs(conn)
+    assert all(r.search_mode == "evolve" for r in rows)
+    conn.close()
+
+
+def test_evolution_is_reproducible_given_same_seed(tmp_path):
+    bounds = SearchBounds(max_stages=2)
+    summary_a = run_evolution(
+        tmp_path / "a.sqlite3", n_generations=2, population_size=6, bounds=bounds,
+        n_workers=1, seed=99, polish=False,
+    )
+    summary_b = run_evolution(
+        tmp_path / "b.sqlite3", n_generations=2, population_size=6, bounds=bounds,
+        n_workers=1, seed=99, polish=False,
+    )
+    assert summary_a["best_fitness"] == summary_b["best_fitness"]
+    assert summary_a["best_efficiency"] == summary_b["best_efficiency"]
+
+
+def test_polish_does_not_make_the_best_genome_worse():
+    rng = random.Random(15)
+    bounds = SearchBounds(max_stages=2)
+    # ищем реализуемый геном как стартовую точку доводки
+    genome = None
+    for _ in range(30):
+        candidate = sample_genome(DB, bounds, rng)
+        from gausse.optim.objective import evaluate
+        result = evaluate(candidate, DB, bounds)
+        if result.feasible:
+            genome = candidate
+            baseline_fitness = result.fitness
+            break
+    assert genome is not None, "не нашли реализуемый геном за 30 попыток"
+
+    _, polished_result = polish_best(genome, DB, bounds)
+    assert polished_result.fitness >= baseline_fitness - 1e-9

tests/test_objective.py

@@ -0,0 +1,60 @@
+import random
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.objective import compute_cost_rub, decoded_summary, evaluate
+from gausse.optim.search_space import SearchBounds, decode, sample_genome
+
+DB = ComponentDatabase.load()
+BOUNDS = SearchBounds()
+
+
+def test_evaluate_feasible_genome_has_fitness_equal_efficiency():
+    rng = random.Random(2)
+    found_feasible = False
+    for _ in range(50):
+        genome = sample_genome(DB, BOUNDS, rng)
+        result = evaluate(genome, DB, BOUNDS)
+        if result.feasible:
+            found_feasible = True
+            assert result.fitness == result.efficiency
+            assert 0.0 <= result.efficiency <= 1.0
+            assert result.cost_rub > 0
+            break
+    assert found_feasible, "ни один из 50 случайных геномов не оказался реализуемым"
+
+
+def test_evaluate_infeasible_genome_has_negative_fitness_and_reason():
+    rng = random.Random(9)
+    genome = sample_genome(DB, BOUNDS, rng)
+    # индукционный датчик требует скорости >= порог/чувствительность = 5 м/с,
+    # а старт по умолчанию 3 м/с -- первая ступень обязана провалиться
+    inductive_idx = next(i for i, s in enumerate(DB.sensors) if s.kind == "inductive")
+    genome.stages[0].sensor_idx = inductive_idx
+    result = evaluate(genome, DB, BOUNDS)
+    assert not result.feasible
+    assert result.fitness < 0
+    assert result.reason is not None
+    assert result.failed_stage_index == 0
+
+
+def test_compute_cost_rub_is_positive_and_scales_with_stage_count():
+    rng = random.Random(4)
+    genome = sample_genome(DB, BOUNDS, rng)
+    config, _, _ = decode(genome, DB, BOUNDS)
+    cost = compute_cost_rub(config, DB)
+    assert cost > 0
+
+    genome.stages.append(genome.stages[0])
+    genome.inter_stage_gaps_m.append(0.05)
+    config2, _, _ = decode(genome, DB, BOUNDS)
+    cost2 = compute_cost_rub(config2, DB)
+    assert cost2 > cost
+
+
+def test_decoded_summary_uses_real_part_numbers():
+    rng = random.Random(6)
+    genome = sample_genome(DB, BOUNDS, rng)
+    summary = decoded_summary(genome, DB)
+    assert len(summary["stages"]) == len(genome.stages)
+    real_wire_ids = {w.part_id for w in DB.wires}
+    assert all(s["wire"] in real_wire_ids for s in summary["stages"])

tests/test_report.py

@@ -0,0 +1,113 @@
+from gausse.components.database import ComponentDatabase
+from gausse.report.animate import animate_run
+from gausse.report.bom import build_bom, render_bom_text, total_cost_rub
+from gausse.report.plots import (
+    plot_stage_currents,
+    plot_stage_fields,
+    plot_velocity_vs_position,
+    save_all,
+)
+from gausse.report.summary import build_summary, render_summary_json, render_summary_text
+from gausse.sim.coilgun import CoilgunConfig, run_coilgun
+from gausse.sim.stage import ProjectileConfig, StageConfig
+
+DB = ComponentDatabase.load()
+
+
+def _feasible_config() -> CoilgunConfig:
+    wire = next(w for w in DB.wires if w.part_id == "cu-petv2-1.0mm")
+    capacitor = next(c for c in DB.capacitors if c.part_number == "cap-470uf-400v")
+    switch = next(s for s in DB.switches if s.part_number == "IRFP250PBF")
+    sensor = next(s for s in DB.sensors if s.part_number == "TCST2103")
+    steel = next(m for m in DB.projectile_materials if m.name == "Ст3 (конструкционная сталь)")
+
+    projectile = ProjectileConfig(material=steel, diameter_m=0.008, length_m=0.02)
+    stage = StageConfig(
+        wire=wire, capacitor=capacitor, switch=switch, sensor=sensor, tube_od_m=0.01,
+        turns_per_layer=20, layers=4, sensor_to_coil_distance_m=0.02, charge_voltage_v=350.0,
+    )
+    return CoilgunConfig(
+        stages=[stage, stage], inter_stage_gaps_m=[0.05], projectile=projectile,
+        initial_x_m=-0.05, initial_v_mps=5.0,
+    )
+
+
+def test_feasible_fixture_is_actually_feasible():
+    result = run_coilgun(_feasible_config())
+    assert result.feasible, result.reason
+
+
+def test_plots_render_without_error():
+    config = _feasible_config()
+    result = run_coilgun(config)
+    assert result.feasible
+
+    fig1 = plot_stage_currents(result)
+    fig2 = plot_stage_fields(result)
+    fig3 = plot_velocity_vs_position(result)
+    for fig in (fig1, fig2, fig3):
+        assert fig is not None
+
+
+def test_save_all_writes_nonempty_png_files(tmp_path):
+    config = _feasible_config()
+    result = run_coilgun(config)
+    paths = save_all(result, tmp_path)
+    assert len(paths) == 3
+    for p in paths:
+        from pathlib import Path
+
+        assert Path(p).stat().st_size > 0
+
+
+def test_bom_totals_are_positive_and_match_sum():
+    config = _feasible_config()
+    lines = build_bom(config, DB)
+    assert len(lines) > 0
+    total = total_cost_rub(lines)
+    assert total == sum(line.total_price_rub for line in lines)
+    assert total > 0
+    text = render_bom_text(lines)
+    assert "ИТОГО" in text
+
+
+def test_summary_reports_feasible_run_honestly():
+    config = _feasible_config()
+    result = run_coilgun(config)
+    summary = build_summary(result, config, DB)
+    assert summary["feasible"] is True
+    assert summary["efficiency"] == result.efficiency
+    assert "model_limitations" in summary
+    assert len(summary["model_limitations"]) > 0
+
+    text = render_summary_text(summary)
+    assert "РЕАЛИЗУЕМО" in text
+    json_text = render_summary_json(summary)
+    assert "efficiency" in json_text
+
+
+def test_summary_reports_infeasible_run_honestly():
+    import dataclasses
+
+    config = _feasible_config()
+    # индукционный датчик при скорости заведомо ниже порога -> провал ступени 0
+    weak_sensor = next(s for s in DB.sensors if s.kind == "inductive")
+    broken_stage = dataclasses.replace(config.stages[0], sensor=weak_sensor)
+    config = dataclasses.replace(
+        config, stages=[broken_stage, config.stages[1]], initial_v_mps=2.0
+    )
+    result = run_coilgun(config)
+    summary = build_summary(result, config, DB)
+    if not result.feasible:
+        text = render_summary_text(summary)
+        assert "НЕ РЕАЛИЗУЕМО" in text
+        assert summary["reason"] is not None
+
+
+def test_animate_run_produces_nonempty_gif(tmp_path):
+    config = _feasible_config()
+    result = run_coilgun(config)
+    assert result.feasible
+    out_path = tmp_path / "run.gif"
+    animate_run(result, config, str(out_path), fps=10)
+    assert out_path.stat().st_size > 0

tests/test_search_space.py

@@ -0,0 +1,106 @@
+import random
+
+import pytest
+
+from gausse.components.database import ComponentDatabase
+from gausse.optim.search_space import (
+    TUBE_WALL_CLEARANCE_M,
+    SearchBounds,
+    crossover,
+    decode,
+    genome_from_dict,
+    genome_to_dict,
+    mutate,
+    repair,
+    sample_genome,
+)
+
+DB = ComponentDatabase.load()
+BOUNDS = SearchBounds()
+
+
+def test_sample_genome_respects_bounds():
+    rng = random.Random(42)
+    for _ in range(50):
+        genome = sample_genome(DB, BOUNDS, rng)
+        assert BOUNDS.min_stages <= len(genome.stages) <= BOUNDS.max_stages
+        assert len(genome.inter_stage_gaps_m) == len(genome.stages) - 1
+        assert BOUNDS.tube_od_m_min <= genome.tube_od_m <= BOUNDS.tube_od_m_max
+        assert genome.projectile.diameter_m <= genome.tube_od_m - TUBE_WALL_CLEARANCE_M
+        for stage in genome.stages:
+            assert 0 <= stage.wire_idx < len(DB.wires)
+            assert BOUNDS.turns_per_layer_min <= stage.turns_per_layer <= BOUNDS.turns_per_layer_max
+            assert BOUNDS.layers_min <= stage.layers <= BOUNDS.layers_max
+
+
+def test_decode_produces_valid_config():
+    rng = random.Random(1)
+    genome = sample_genome(DB, BOUNDS, rng)
+    config, initial_x_m, initial_v_mps = decode(genome, DB, BOUNDS)
+    assert len(config.stages) == len(genome.stages)
+    assert len(config.inter_stage_gaps_m) == len(genome.stages) - 1
+    assert initial_x_m < -config.stages[0].sensor_to_coil_distance_m
+    assert initial_v_mps == BOUNDS.initial_launch_velocity_mps
+    for stage_config, gene in zip(config.stages, genome.stages):
+        max_voltage = min(stage_config.capacitor.voltage_v, stage_config.switch.max_voltage_v)
+        assert stage_config.charge_voltage_v <= max_voltage + 1e-9
+
+
+def test_mutate_keeps_genome_within_bounds():
+    rng = random.Random(7)
+    genome = sample_genome(DB, BOUNDS, rng)
+    for _ in range(200):
+        genome = mutate(genome, DB, BOUNDS, rng, rate=0.5)
+        assert BOUNDS.min_stages <= len(genome.stages) <= BOUNDS.max_stages
+        assert len(genome.inter_stage_gaps_m) == len(genome.stages) - 1
+        assert BOUNDS.tube_od_m_min <= genome.tube_od_m <= BOUNDS.tube_od_m_max
+        assert genome.projectile.diameter_m <= genome.tube_od_m - TUBE_WALL_CLEARANCE_M + 1e-9
+        # decode должен всегда успевать без исключений после repair
+        decode(genome, DB, BOUNDS)
+
+
+def test_mutate_can_change_stage_count():
+    rng = random.Random(3)
+    small_bounds = SearchBounds(min_stages=1, max_stages=3)
+    genome = sample_genome(DB, small_bounds, rng)
+    genome.stages = genome.stages[:1]
+    genome.inter_stage_gaps_m = []
+    counts = set()
+    for _ in range(100):
+        genome = mutate(genome, DB, small_bounds, rng, rate=0.6)
+        counts.add(len(genome.stages))
+    assert len(counts) > 1  # число ступеней реально меняется, не застряло
+
+
+def test_crossover_produces_decodable_child():
+    rng = random.Random(11)
+    a = sample_genome(DB, BOUNDS, rng)
+    b = sample_genome(DB, BOUNDS, rng)
+    for _ in range(20):
+        child = crossover(a, b, rng)
+        child = repair(child, DB, BOUNDS)
+        config, _, _ = decode(child, DB, BOUNDS)
+        assert len(config.stages) == len(child.stages)
+
+
+def test_crossover_of_two_single_stage_genomes_does_not_crash():
+    """Регрессия: оба родителя с 1 ступенью (0 зазоров) роняли crossover
+    с IndexError при попытке взять запасной зазор из пустого списка."""
+    rng = random.Random(13)
+    a = sample_genome(DB, BOUNDS, rng)
+    b = sample_genome(DB, BOUNDS, rng)
+    a.stages = a.stages[:1]
+    a.inter_stage_gaps_m = []
+    b.stages = b.stages[:1]
+    b.inter_stage_gaps_m = []
+    for _ in range(20):
+        child = crossover(a, b, rng)
+        child = repair(child, DB, BOUNDS)
+        decode(child, DB, BOUNDS)
+
+
+def test_genome_dict_roundtrip():
+    rng = random.Random(5)
+    genome = sample_genome(DB, BOUNDS, rng)
+    restored = genome_from_dict(genome_to_dict(genome))
+    assert restored == genome

tests/test_sensors.py

@@ -1,3 +1,5 @@
+import warnings
+
 import numpy as np
 from scipy.integrate import solve_ivp
 
@@ -48,3 +50,17 @@ def test_inductive_sensor_never_fires_below_threshold_speed():
     event = make_inductive_sensor_event(x_sensor, sensitivity, threshold, width)
     sol = solve_ivp(_ballistic, (0, 1.0), [-0.05, 1.0], events=event)
     assert len(sol.t_events[0]) == 0
+
+
+def test_inductive_event_far_from_sensor_is_finite_and_does_not_warn():
+    """Регрессия: cosh(z)**2 переполнял float64 для больших |x - x_sensor| /
+    width_m (типично при интегрировании на широком временном бюджете) —
+    результат физически верный (bump -> 0), но с RuntimeWarning на каждый
+    вызов, что при миллионах прогонов sweep превращается в лавину спама."""
+    event = make_inductive_sensor_event(x_sensor_m=0.02, sensitivity_v_per_mps=0.05, threshold_v=0.3, width_m=0.005)
+    far_state = np.array([-5.0, 20.0])  # 5 м от датчика при ширине чувствительности 5мм
+    with warnings.catch_warnings():
+        warnings.simplefilter("error")
+        value = event(0.0, far_state)
+    assert np.isfinite(value)
+    assert value == -0.3  # bump практически 0 -> событие = 0 - порог

tests/test_storage_database.py

@@ -0,0 +1,126 @@
+import multiprocessing
+from pathlib import Path
+
+from gausse.storage.database import (
+    count_runs,
+    fetch_runs,
+    insert_run,
+    insert_runs,
+    open_connection,
+    run_writer_process,
+)
+from gausse.storage.schema import RunRecord
+
+
+def _record(run_id: str, feasible: bool = True, efficiency: float | None = 0.1, reason=None) -> RunRecord:
+    return RunRecord(
+        run_id=run_id,
+        timestamp="2026-07-06T00:00:00",
+        search_mode="sweep",
+        genome_json="{}",
+        decoded_summary_json="{}",
+        feasible=feasible,
+        model_version="v1",
+        infeasible_reason=reason,
+        efficiency=efficiency,
+        exit_velocity_mps=20.0 if feasible else None,
+        cost_rub=500.0,
+    )
+
+
+def test_insert_and_fetch_roundtrip(tmp_path):
+    conn = open_connection(tmp_path / "runs.sqlite3")
+    insert_run(conn, _record("r1"))
+    rows = fetch_runs(conn)
+    assert len(rows) == 1
+    assert rows[0].run_id == "r1"
+    assert rows[0].feasible is True
+    conn.close()
+
+
+def test_infeasible_runs_are_stored_not_dropped(tmp_path):
+    conn = open_connection(tmp_path / "runs.sqlite3")
+    insert_run(conn, _record("r-fail", feasible=False, efficiency=None, reason="датчик не сработал"))
+    assert count_runs(conn) == 1
+    assert count_runs(conn, feasible=False) == 1
+    assert count_runs(conn, feasible=True) == 0
+    row = fetch_runs(conn, feasible=False)[0]
+    assert row.infeasible_reason == "датчик не сработал"
+    conn.close()
+
+
+def test_batch_insert_and_filters(tmp_path):
+    conn = open_connection(tmp_path / "runs.sqlite3")
+    records = [
+        _record("r1", efficiency=0.05),
+        _record("r2", efficiency=0.30),
+        _record("r3", feasible=False, efficiency=None, reason="разряд не скоммутировался"),
+    ]
+    insert_runs(conn, records)
+    assert count_runs(conn) == 3
+    best = fetch_runs(conn, feasible=True, min_efficiency=0.1)
+    assert [r.run_id for r in best] == ["r2"]
+    ranked = fetch_runs(conn, feasible=True, order_by_efficiency_desc=True)
+    assert [r.run_id for r in ranked] == ["r2", "r1"]
+    conn.close()
+
+
+def test_reopening_database_preserves_previous_runs(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    conn = open_connection(db_path)
+    insert_run(conn, _record("r1"))
+    conn.close()
+
+    conn2 = open_connection(db_path)
+    assert count_runs(conn2) == 1
+    conn2.close()
+
+
+def test_writer_survives_duplicate_run_id_and_keeps_draining_queue(tmp_path):
+    """Регрессия: одна коллизия run_id раньше роняла writer-процесс и молча
+    останавливала осушение очереди (см. историю разработки Этапа 5)."""
+    db_path = tmp_path / "runs.sqlite3"
+    ctx = multiprocessing.get_context("spawn")
+    queue = ctx.Queue()
+
+    writer = ctx.Process(target=run_writer_process, args=(queue, db_path))
+    writer.start()
+
+    queue.put(_record("dup"))
+    queue.put(_record("dup"))  # коллизия PRIMARY KEY
+    queue.put(_record("after-collision"))
+    queue.put(None)
+    writer.join(timeout=10)
+
+    assert not writer.is_alive()
+    conn = open_connection(db_path)
+    assert count_runs(conn) == 2  # "dup" один раз + "after-collision"
+    assert {r.run_id for r in fetch_runs(conn)} == {"dup", "after-collision"}
+    conn.close()
+
+
+def _writer_worker(queue, worker_id, n):
+    for i in range(n):
+        queue.put(_record(f"proc-{worker_id}-run-{i}"))
+
+
+def test_multiprocess_writer_receives_all_records_from_multiple_workers(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    ctx = multiprocessing.get_context("spawn")
+    queue = ctx.Queue()
+
+    writer = ctx.Process(target=run_writer_process, args=(queue, db_path))
+    writer.start()
+
+    workers = [ctx.Process(target=_writer_worker, args=(queue, worker_id, 20)) for worker_id in range(3)]
+    for w in workers:
+        w.start()
+    for w in workers:
+        w.join()
+
+    queue.put(None)
+    writer.join()
+
+    conn = open_connection(db_path)
+    assert count_runs(conn) == 60
+    conn.close()

tests/test_sweep.py

@@ -0,0 +1,53 @@
+import json
+
+from gausse.optim.search_space import SearchBounds, genome_from_dict
+from gausse.optim.sweep import MODEL_VERSION, run_sweep
+from gausse.storage.database import count_runs, fetch_runs, open_connection
+
+
+def test_sweep_runs_all_seeds_and_records_everything(tmp_path):
+    db_path = tmp_path / "runs.sqlite3"
+    bounds = SearchBounds(max_stages=2)  # маленькое пространство -> быстрый тест
+
+    summary = run_sweep(db_path, n_runs=12, bounds=bounds, n_workers=2, seed=123)
+
+    assert summary["n_runs"] == 12
+    conn = open_connection(db_path)
+    assert count_runs(conn) == 12
+    # хотя бы какие-то честно попали и в успех, и в провал -- иначе тест
+    # пространства слишком узкий/широкий, чтобы быть показательным
+    rows = fetch_runs(conn)
+    assert len(rows) == 12
+    for row in rows:
+        assert row.search_mode == "sweep"
+        assert row.model_version == MODEL_VERSION
+        # genome_json должен быть валидным и декодируемым геномом
+        genome = genome_from_dict(json.loads(row.genome_json))
+        assert len(genome.stages) >= 1
+        summary_dict = json.loads(row.decoded_summary_json)
+        assert "stages" in summary_dict
+        if row.feasible:
+            assert row.efficiency is not None
+            assert row.infeasible_reason is None
+        else:
+            assert row.infeasible_reason is not None
+            assert row.efficiency is None
+    conn.close()
+
+
+def test_sweep_is_deterministic_given_same_seed(tmp_path):
+    bounds = SearchBounds(max_stages=2)
+    db_path_a = tmp_path / "a.sqlite3"
+    db_path_b = tmp_path / "b.sqlite3"
+
+    run_sweep(db_path_a, n_runs=8, bounds=bounds, n_workers=1, seed=42)
+    run_sweep(db_path_b, n_runs=8, bounds=bounds, n_workers=1, seed=42)
+
+    conn_a = open_connection(db_path_a)
+    conn_b = open_connection(db_path_b)
+    rows_a = sorted(fetch_runs(conn_a), key=lambda r: r.genome_json)
+    rows_b = sorted(fetch_runs(conn_b), key=lambda r: r.genome_json)
+    assert [r.genome_json for r in rows_a] == [r.genome_json for r in rows_b]
+    assert [r.efficiency for r in rows_a] == [r.efficiency for r in rows_b]
+    conn_a.close()
+    conn_b.close()

tests/test_web.py

@@ -0,0 +1,77 @@
+import json
+import threading
+import urllib.request
+from http.server import ThreadingHTTPServer
+
+from gausse.optim.sweep import run_sweep
+from gausse.web.page import PAGE_HTML
+from gausse.web.stats import overview, run_detail
+
+
+def _make_db(tmp_path):
+    db = tmp_path / "runs.sqlite3"
+    run_sweep(db, n_runs=60, n_workers=2, seed=11)
+    return db
+
+
+def test_overview_reports_counts_and_top(tmp_path):
+    db = _make_db(tmp_path)
+    o = overview(db, db.with_suffix(".sqlite3.log"))
+    assert o["total"] == 60
+    assert o["feasible"] + o["infeasible"] == 60
+    assert len(o["efficiency_histogram"]) == 10
+    # лог процесса должен существовать и попасть в хвост
+    assert len(o["log_tail"]) > 0
+    if o["top"]:
+        # топ отсортирован по КПД по убыванию
+        effs = [t["efficiency"] for t in o["top"]]
+        assert effs == sorted(effs, reverse=True)
+
+
+def test_run_detail_has_full_physics_and_distances(tmp_path):
+    db = _make_db(tmp_path)
+    o = overview(db, None)
+    assert o["top"], "нужен хотя бы один реализуемый прогон"
+    d = run_detail(db, o["top"][0]["run_id"])
+    assert d is not None
+    detail = d["detail"]
+    # ключевое, что просил пользователь: расстояния между катушками и позиции
+    assert "inter_stage_gaps_m" in detail
+    assert "coil_center_positions_m" in detail
+    stage0 = detail["stages"][0]
+    assert "electrical" in stage0 and "wire_resistance_ohm" in stage0["electrical"]
+    assert "winding" in stage0 and "total_turns" in stage0["winding"]
+    assert "sensor_to_coil_distance_m" in stage0
+
+
+def test_run_detail_missing_id_returns_none(tmp_path):
+    db = _make_db(tmp_path)
+    assert run_detail(db, "нет-такого-id") is None
+
+
+def test_http_server_serves_page_and_api(tmp_path):
+    from functools import partial
+
+    from gausse.web.server import _Handler
+
+    db = _make_db(tmp_path)
+    handler = partial(_Handler, db_path=db, log_path=db.with_suffix(".sqlite3.log"))
+    httpd = ThreadingHTTPServer(("127.0.0.1", 0), handler)
+    port = httpd.server_address[1]
+    t = threading.Thread(target=httpd.serve_forever, daemon=True)
+    t.start()
+    try:
+        base = f"http://127.0.0.1:{port}"
+        page = urllib.request.urlopen(base + "/", timeout=5).read().decode("utf-8")
+        assert "<!doctype html>" in page.lower()
+        api = json.loads(urllib.request.urlopen(base + "/api/overview", timeout=5).read())
+        assert api["total"] == 60
+    finally:
+        httpd.shutdown()
+        httpd.server_close()
+
+
+def test_page_is_self_contained():
+    # никаких внешних ресурсов (CSP-безопасно): ни http-ссылок в src/href, ни CDN
+    assert "src=\"http" not in PAGE_HTML
+    assert "href=\"http" not in PAGE_HTML